PENERAPAN DISKRIMINAN KANONIK PADA KOMPONEN KIMIA AKTIF TANAMAN OBAT HERBAL (TEMULAWAK, BANGLE, KUNYIT) 1 ABSTRAK

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENERAPAN DISKRIMINAN KANONIK PADA KOMPONEN KIMIA AKTIF TANAMAN OBAT HERBAL (TEMULAWAK, BANGLE, KUNYIT) 1 ABSTRAK"

Transkripsi

1 Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 PENERAPAN DISKRIMINAN KANONIK PADA KOMPONEN KIMIA AKTIF TANAMAN OBAT HERBAL (TEMULAWAK, BANGLE, KUNYIT) 1 UTAMI DYAH SYAFITRI 1, ETI ROHAETI 2, NOVIAR YULIANTI 3 ABSTRAK Obat-obatan herbal terdiri dari berbagai macam tanaman obat. Tanman obat ada yang erasal dari temu-temuan. Bangle, kunyit, temulawak merupakan jenis temu-temuan yang dapat dijadikan sebagai substitusi dalam pembuatan obat herbal. Terdapat kandungan senyawa aktif yang terdapat dalam ketiga temu-temuan tersebut. Komponen senyawa aktif yang terkandung dalam temu-temuan tersebut dapat dideteksi dengan spectra inframerah transformasi fourier (FTIR). Analisis pembeda yang dapat digunakan dalam otentifikasi temua-temuan tersebut adalah analisis diskriminan kanonik. Analisis diskriminan kanonik berdasarkan pada analisis komponen utama dan korelasi kanonik. Berkaitan dengan karekateristik hasil FTIR dari n sampel yang mempunyai korelasi yang tinggi antar bilangan gelombangnya memerlukan prepocessing sebelum dilakukan analisis diskriminan. Salah satu pre-processing yang dapat digunakan adalah analisis komponen utama. Hasil analisis diskriminan kanonik menunjukkan bahwa model diskriminan yang menggunakan 12 komponen utama sudah mampu membedakan dengan jelas antara bangle, temulawak, kunyit. Namun hasil validasinya belum cukup bagus dalam hal membedakan anatara temulawak dengan kunyit serta bangle dengan kunyit. Dari 4 sampel temulawak, 3 sampel terdeteksi sebagai kunyit, serta dari 3 sample bangle, 1 sampel terdeteksi masuk ke kelompok kunyit. Kata kunci : analisis komponen utama, analisis diskriminan kanonik, validasi PENDAHULUAN Dalam tubuh tanaman obat terdapat komponen kimia aktif yang menjadi sumber khasiat tanaman obat tersebut. Efisiensi khasiat obat umumnya tercipta karena adanya kesinergisan antara beberapa komponen kimia, sehingga untuk standardisasi dan kontrol kualitas sebaiknya didasarkan pada informasi yang menyeluruh dari komponen kimia yang dikandung pada masing-masing tanaman obat. Struktur komponen kimia yang sangat kompleks diperoleh melalui spektra inframerah transformasi fourier (FTIR). Hasil spektrum FTIR dari n sampel mempunyai korelasi yang sangat tinggi antar panjang gelombang. Berkaitan dengan hal tersbut maka diperlukan analisis perantara. Salah satu analisis perantara yang dapat digunakan untuk mereduksi dimensi sekaligus mampu mengatasi korelasi adalah analisis komponen utama. 1 Disampaikan pada Seminar Nasional Statistika ke-9, ITS, 7 November Staf Departemen Statistika FMIPA IPB 3 Staf Departemen Kimia FMIPA IPB 4 Alumni Departemen Statistika FMIPA IPB

2 Setiap tanaman obat herbal memiliki komposisi komponen kimia aktif yang berbeda antara satu dengan yang lainnya. Hal tersebut dapat dijadikan karakteristik pembeda untuk masing-masing tanaman obat herbal. Komponen kimia aktif tanaman obat herbal tersebut memiliki kontribusi yang besar untuk membedakan kelompok yaitu dengan cara melihat asosiasi antara komponen kimia aktif tanaman obat herbal dan kelompok. Untuk membentuk pemisah antar kelompok dilakukan dengan menggunakan teknik analisis peubah ganda, yaitu analisis diskriminan kanonik. Analisis diskriminan kanonik yang merupakan suatu teknik untuk memilih beberapa kombinasi linier yang mampu membedakan kelompok tertentu sebaik mungkin (Manly, 1988). Dengan kata lain tujuan dari penelitian ini adalah membuat fungsi diskriminan antara kunyit, temulawak, dan bangle dengan pre-processing analisis komponen utama. Komponen Kimia Aktif TINJAUAN PUSTAKA Komponen kimia aktif merupakan hasil penyarian atau ekstrasi dari bagian tanaman obat. Tujuan utama dari ekstrasi itu sendiri adalah memperoleh komponen kimia aktif yang khas dalam tanaman obat tersebut. (Harborne, 1987). Analisis Komponen Utama (AKU) Analisis komponen utama pada dasarnya bertujuan menerangkan struktur ragam peragam melalui kombinasi linear dari variabel. Secara umum, analisis ini bertujuan untuk mereduksi data dan menginterpretasikannya (Johnson & Wichern, 2002). Suatu peubah acak X = (x1, x2,..., xp) yang terdiri dari p peubah, mengikuti peubah ganda tertentu dengan vektor nilai tengah μ dan matriks ragam peragam Σ. Komponen utama (Y) merupakan kombinasi linear dari p peubah asal (X) yang saling ortogonal dan berdimensi k dimana k p. Analisis Diskriminan Kanonik Manly (1998) mengemukakan bahwa analisis diskriminan kanonik digunakan bila ada petunjuk kuat bahwa ada korelasi yang cukup besar antara sejumlah peubah dan kelas. Bila diketahui ada k kelompok dengan p peubah, kombinasi linier dari peubah-peubah itu disebut fungsi diskriminan yang memaksimumkan fungsi kriteria λ sebagai berikut : λ = a H a a W a dengan : a H a = keragaman antar kelompok a W a = keragaman dalam kelompok a = vektor koefisien fungsi diskriminan [1] Untuk mendapatkan nilai a yang dapat memaksimumkan λ, dilakukan diferensiasi fungsi pada persamaan 1, yang hasilnya adalah persamaan: (W -1 H- λi) a= 0, untuk a 0 [2] dengan:

3 λ = akar ciri yang memenuhi persamaan 2 a = vektor ciri yang berpadanan dengan akar ciri λ Persamaan (2) memiliki solusi jika determinan W -1 H λ I =0. Akan didapatkan akar ciri λ dan vektor ciri a yang berordo r=min(k-1,p) p dari matriks W -1 H. Vektor ciri terbesar merupakan fungsi diskriminan pertama, dan seterusnya hingga vektor ciri ke-r.fungsi diskriminan ke-m (m=1,2,,r): D m = a m1 Y 1 +a m2 Y 2 + +a ms Y s [3] dengan: D = matriks skor-skor diskriminan Y = matriks komponen kimia aktif DATA DAN METODE Data yang digunakan pada penelitian ini data karakteristik temu-temuan 3 penyusun obat herbal yaitu temulawak, bangle, dan kunyit dibeberapa daerah di Indonesia. Penelitian ini menggunakan 67 buah contoh yang tergolong dalam 3 macam kelompok tumbuhan, yaitu 22 contoh temulawak, 21 contoh bangle, 24 contoh kunyit. Pada penelitian ini, data dibagi menjadi dua bagian. Delapan puluh persen data digunakan sebagai gugus data training yaitu untuk menentukan fungsi diskriminan (pemodelan) dan data sisanya digunakan sebagai gugus data uji untuk validasi model. Langkah awal yang dilakukan dalam penelitian ini yaitu memperoleh informasi mengenai senyawa aktif yang terkandung dalam bahan temu-temuan dengan menggunakan FTIR.Tahapan selanjutnya yang dilakukan dalam penelitian ini adalah sebagai berikut (Gambar 1) : 1. Temua-temuan tersebut diekstrak selanjutnya dilakukan analisis dengan FTIR 2. Hasil keluaran FTIR tersebut dieksplorasi dengan menggunakan line plot 3. Kemudian dilakukan analisis komponen utama pada hasil FTIR tersebut menggunakan data training. 4. Dari hasil komponen utama selanjutnya dilakukan analisis diskriminan 5. Berdasarkan model diskriminan yang diperoleh selanjutnya dengan metode fisher dilakukan validasi model dari data validasi.

4 TEMU-TEMUAN FTIR EKSPLORASI ANALISIS KOMPONEN UTAMA ANALISIS DISKRIMINAN KANONIK VALIDASI MODEL Gambar 1 Tahapan analisis HASIL DAN PEMBAHASAN Eksplorasi Data Keluaran Keluaran FTIR Objek amatan dalam peneliti penelitian ini terdiri dari 67 buah contoh yang ang terdiri dari 22 contoh temulawak, 21 contoh contoh bangle, dan 24 contoh kunyit. Setelah contoh tersebut diekstraksi dalam larutan metanolmetanol kemudian dianalisis dengan menggunamenggunakan FTIR sehingga diperoleh data berupa nilai nilai absorban dan bilangan gelombang. Grafik spektrum FTIR tidak memiliki memiliki pola tertentu dan bersifat fluktuatif. Plot dari data spektrum FTIR temulawak dapat dapat dilihat pada Gambar 2. Data spektrum FTIR yang digunakan berada pada kisaran bilangan gelombang antara cmcm-1 sampai cm- 1. Bilangan gelomban gelombang pada plot datanya dari kiri ke kanan adalahadalah untuk bilangan gelombang dari besar ke kecil dan nilai absorban dari bawah ke atas atas untuk nilai dari kecil ke besar.

5 Gambar 2. Pola FTIR untuk sampel Temulawak Gambar 3. Pola FTIR untuk sampel Bangle Gambar 3. Pola FTIR untuk sampel Kunyit Analisis Komponen Utama Karakteristik output spektrum FTIR memiliki korelasi nilai absorban yang sangat tinggi antar bilangan gelombang sehingga sebelum melakukan analisis diskriminan kanonik data tersebut dianalisis terlebih dahulu menggunakan AKU. Dalam penelitian ini, penentuan banyaknya komponen utama yang akan digunakan dalam analisis selanjutnya berdasarkan pada persentase kumulatif proporsi keragaman total yang mampu dijelaskan. Berdasarkan hasil analisis komponen utama diketahui bahwa komponen utama pertama mampu menerangkan keragaman data sebesar 44.89% dan komponen utama kedua mampu menerangkan keragaman data sebesar 26.27%. Besarnya keragaman dari 15 komponen utama pertama dapat dilihat pada Tabel 1. Walaupun pada komponen utama ke-15 sudah mencapai

6 99.03% namun akan digunakan presisi sampai 99.99% (komponen utama ke-42). Sehingga untuk analisis diskriminan selanjutnya menggunakan 42 komponen utama. Tabel 1. Lima belas komponen pertama dari analisis komponen utama Analisis Diskriminan Kanonik KU Akar Ciri Proporsi Kumulatif % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % Berdasarkan analisis diskriminan kanonik terbentuk dua fungsi diskriminan kanonik dengan keragaman masing-masing sebesar 97.87% (fungsi diskriminan kanonik 1) dan 2.13% (fungsi diskriminan kanonik 2). Pemetaan dari masing-masing sampel berdasarkan sungsi diskriminan kanonik terdapat pada Gambar 4. Berdasarkan Gambar 4, terlihat bahwa dengan 42 komponen utama telah berhasil memisahkan ketiga temu-temuan tersebut dengan baik. Hal ini ditandai dengan mengelompoknya sampel berdasarkan jenis temu-temuan. Validasi Model Untuk melihat kemampuan fungsi diskriminan dalam menempatkan pengamatan ke kelompok dengan benar dapat dilihat dari jumlah keberhasilan fungsi diskriminan tersebut dalam mengklasifikasikan pengamatan ke dalam kelompok yang sebenarnya. Pada tahapan validasi digunakan 20% dari total keseluruhan contoh yang digunakan. Berdasarkan fungsi diskriminan yang terbentuk diketahui bahwa dari pengamatan kelompok temulawak, hanya satu pengamatan yang telah sesuai diklasifikasikan ke dalam kelompok temulawak. Pengklasifikasian seluruh contoh pengamatan kelompok kunyit telah sesuai dan 2 dari 3 pengamatan kelompok bangle telah diklasifikasikan secara tepat. Secara keseluruhan penempatan pengamatan yang sesuai ke dalam kelompok yang sebenarnya sudah cukup baik. Tabel 2 yang merupakan tabel hasil klasifikasi model diskriminan kanonik menunjukkan bahwa dari total 12 pengamatan, 8 diantaranya telah diklasifikasikan secara tepat.

7 T : Temulawak B : Bangle K : Kunyit Gambar 4 Plot sebaran sampel berdasarkan fungsi diskriminan kanonik Tabel 2 Hasil Validasi model diskriminan kanonik Kelompok berdasarkan analisis Kelompok Awal diskriminan Temulawak Bangle Kunyit Total Temulawak Bangle Kunyit Total

8 T : Temulawak B : Bangle K : Kunyit * : Centroid Temulawak # : Centroid : Centroid Kunyit Gambar 5 Plot sebaran data uji model 1 Kesalahan pengelompokkan paling banyak terjadi pada kelompok tanaman herbal temulawak dan bangle. Tiga pengamatan temulawak dan satu pengamatan bangle diklasifikasikan secara salah ke dalam kelompok kunyit. Hal tersebut membuktikan bahwa antara kelompok tanaman herbal tersebut memiliki karekteristik yang hampir sama (Gambar 5). Hasil penelitian yang dilakukan oleh Rahardjo dan Rostiana (2005)v mengungkapkan bahwa temulawak dan kunyit memiliki kandungan komponen kimia yang hampir sama kandungan yaitu protein, pati, kurkuminoid, dan minyak atsiri., namun persentase komposisinya berbeda. Jika dilihat dari kandungan kurkuminoid dari ketiganya cukup bervariasi. Hal ini terlihat pada Gambar 6. Gambar 6. Diagram dahan daun kadar kurkuminoid dari temulawak, bangle, kunyit SIMPULAN Fungsi diskriminan kanonik 1 dan 2 telah berhasil memisahkan bangle, temulawak, dan kunyit dengan baik. Namun hasil validasi belum cukup baik terutama dalam pendeteksian antara temulawak dengan kunyit yang mempunyai karaketristik yang relative mirip dari segi kimia.

9 SARAN Pada penelitian selanjutnya dapat mereduksi dimensi dari X dengan memperhatikan Y. Salah satu alternatif dapat menggunakan Partial Least Square Discriminant (PLS-Discriminant). DAFTAR PUSTAKA BPOM Peraturan Perundangundangan di bidang Obat Tradisional, Obat Herbal Terstandar dan Fitofarmaka. Indonesia. Dillon, W. R., Goldstein, M Multivariate Analysis MethodMethods and Applications. John Wiley andand Sons, Inc., Canada. Fachriyah, E., Kurniawan, A., Me Meiny, Gunadi Senyawa Kimia FrakFraksi Metanol Rimpang Bengle (Zingiber Cassumunar Roxb.). Media Medika Indone Indonesiana vol. 42 no. 1 (Apr. 2007), halaman 21. n 21. Harborne, J.B Phytochemical hemical Method, second edition. Chapman and Hall, London. Johnson, R.A., Wichern, D.W Applied Multivariate Stastistical Analysis, Analysis, Second Edition. Pritice-Hall InternatInternational, Inc., New Jersey. Khattree, R., Naik, D. N Multivariate Data Reduction and Discriminationrimination With SAS Sofware, SAS Institute In nstitute Inc. Cary. N.C Manly, B. F. J Multivariate ariate Statistical Methods : A Primer. Chapman Chapman and Hall, London. Rahardjo, M., Rostiana, O Budidaya Tanaman Kunyit. Balai Penelitian Tanaman Obat dan Aromatika, Indone ika, Indonesia Budidaya Tanaman Temulawak. Balai Penelitian Tanaman Obat dan Aromatika, Indonesia. Rohaeti, E., Syafitri, U.D., Rafi, M Kombinasi Spektra Inframerah dan Teknik Kemometrik Untuk Pengembangan Model Klasifikasi Asal Geografis dan Diskriminasi Temutemuan Penyusun Obat Herbal. Institut Pertanian Bogor. Wijaya, Andhika D Penerapan Hasil Analisis Gerombol Menggunakan Analisis Komponen Utama (Studi kasus :penyusunan obat herbal di pulau Jawa).[Skripsi]. Institut Pertanian Bogor. Zhang, L., Zhou, W., Zhang, H., Jiao, L Generalized Nonlinear Discriminant Analysis. Institute of Intelligence Information Processing, Xidian University, China.

dianalisis dengan menggunakan

dianalisis dengan menggunakan 4 1. Eksplorasi data keluaran FTIR a. Membuat plot antara nilai absorban dan bilangan gelombang untuk setiap bahan temuan. Sumbu vertikal untuk nilai absorban dan sumbu horizontal untuk bilangan gelombang.

Lebih terperinci

Oleh: Agus Mohamad Soleh. Departemen Statistika FMIPA IPB. Abstrak

Oleh: Agus Mohamad Soleh. Departemen Statistika FMIPA IPB. Abstrak Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 009 Analisis Diskriminan Linier untuk Klasifikasi Komponen Obat Bahan Alam Berdasarkan Spektrum Inframerah. Studi Kasus :

Lebih terperinci

PENERAPAN DISKRIMINAN KERNEL PADA KOMPONEN KIMIA AKTIF TANAMAN OBAT HERBAL (KUNYIT, TEMULAWAK, DAN BANGLE) TRI WAHYU SEPTIANINGRUM

PENERAPAN DISKRIMINAN KERNEL PADA KOMPONEN KIMIA AKTIF TANAMAN OBAT HERBAL (KUNYIT, TEMULAWAK, DAN BANGLE) TRI WAHYU SEPTIANINGRUM PENERAPAN DISKRIMINAN KERNEL PADA KOMPONEN KIMIA AKTIF TANAMAN OBAT HERBAL (KUNYIT, TEMULAWAK, DAN BANGLE) TRI WAHYU SEPTIANINGRUM DEPARTEMEN STATISTIKA FAKULTAS METEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Eksplorasi Pada tahapan ini dilakukan plot persen transmitan (%T) dan bilangan gelombang untuk masing-masing spektrum dari 18 sampel temulawak dengan tujuan untuk mengetahui pola data.

Lebih terperinci

Semakin besar persentase CCR yang dihasilkan, maka tingkat akurasi yang dihasilkan semakin tinggi (Hair et. al., 1995).

Semakin besar persentase CCR yang dihasilkan, maka tingkat akurasi yang dihasilkan semakin tinggi (Hair et. al., 1995). 3 fungsi diskriminan cukup untuk memisahkan k buah kelompok. Karena fungsi-fungsi diskriminan tidak saling berkorelasi, maka komponen aditif dari V masing-masing didekati dengan khi-kuadrat dengan V j

Lebih terperinci

HASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:

HASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut: . Menyiapkan gugus data pencilan dengan membangkitkan peubah acak normal ganda dengan parameter µ yang diekstrimkan dari data contoh dan dengan matriks ragam-peragam yang sama dengan data contoh. Proses

Lebih terperinci

Klasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan

Klasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan Statistika, Vol. 15 No. 2, 87-97 November 215 Klasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan Fitriana A.R. 1, Nurhasanah 2, Ririn Raudhatul

Lebih terperinci

PEMODELAN OTENTIKASI KOMPOSISI FITOFARMAKA TENSIGARD MENGGUNAKAN REGRESI KOMPONEN UTAMA MEYLINDA PUSRIANITA SARI

PEMODELAN OTENTIKASI KOMPOSISI FITOFARMAKA TENSIGARD MENGGUNAKAN REGRESI KOMPONEN UTAMA MEYLINDA PUSRIANITA SARI PEMODELAN OTENTIKASI KOMPOSISI FITOFARMAKA TENSIGARD MENGGUNAKAN REGRESI KOMPONEN UTAMA MEYLINDA PUSRIANITA SARI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot

Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier Bernhard M. Wongkar 1, John S. Kekenusa 2, Hanny A.H. Komalig 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, bernhard.wongkar2011@gmail.com

Lebih terperinci

ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA

ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI

Lebih terperinci

(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN

(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN 4 karena adanya perbedaan satuan pengukuran antar peubah. 1.. Memastikan tidak adanya pencilan pada data dengan mengidentifikasi adanya pencilan pada data. Pengidentifikasian pencilan dilakukan dengan

Lebih terperinci

Analisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya

Analisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya Jurnal Penelitian Sains Volume 14 Nomer 4(A) 14403 Analisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya Yuli Andriani,

Lebih terperinci

DATA DAN METODE. Temulawak Jahe Kunyit Kode Keterangan Kode Keterangan Kode Keterangan. No

DATA DAN METODE. Temulawak Jahe Kunyit Kode Keterangan Kode Keterangan Kode Keterangan. No DATA DAN METODE Data Data yang di gunakan dalam penelitian ini adalah data sekunder yang dikumpulkan oleh tim Hibah Pascasarjana tahun 2003-2005 kerjasama Departemen Statistika dengan Pusat Studi Biofarmaka,

Lebih terperinci

TINJAUAN PUSTAKA Analisis Gerombol

TINJAUAN PUSTAKA Analisis Gerombol 3 TINJAUAN PUSTAKA Analisis Gerombol Analisis gerombol merupakan analisis statistika peubah ganda yang digunakan untuk menggerombolkan n buah obyek. Obyek-obyek tersebut mempunyai p buah peubah. Penggerombolannya

Lebih terperinci

Plot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel

Plot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel Plot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel Vitawati Bawotong, Hanny Komalig, Nelson Nainggolan 3 Program Studi Matematika, FMIPA, UNSRAT, vbawotong@gmail.com

Lebih terperinci

Didin Astriani P, Oki Dwipurwani, Dian Cahyawati (Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya)

Didin Astriani P, Oki Dwipurwani, Dian Cahyawati (Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya) (M.2) ANALISIS BIPLOT UNTUK MENGETAHUI KARAKTERISTIK PUTUS SEKOLAH PENDIDIKAN DASAR PADA MASYARAKAT MISKIN ANTAR WILAYAH KECAMATAN DI KABUPATEN OGAN ILIR Didin Astriani P, Oki Dwipurwani, Dian Cahyawati

Lebih terperinci

S 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)

S 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto

Lebih terperinci

PENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR

PENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR PENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR Inge Ratih Puspitasari, Hendro Permadi, dan Trianingsih Eni Lestari Universitas

Lebih terperinci

Pemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi

Pemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi Pemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi Oleh : Teguh Purianto (0 09 06) Dosen Pembimbing : Wibawati, S.Si., M.Si. ABSTRAK Anak

Lebih terperinci

Teknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil

Teknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil Teknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil Ronny Susetyoko, Elly Purwantini Politeknik Elektronika Negeri Surabaya

Lebih terperinci

Abstract. Abstrak. Keywords : Principal Component Analysis, Agriculture Production and Plantation

Abstract. Abstrak. Keywords : Principal Component Analysis, Agriculture Production and Plantation JdC, Vol. 3, No. 2, September, 2014 1 Penggunaan Analisis Komponen Utama Dalam Penggabungan Data Peubah Ganda pada Kasus Produksi Pertanian dan Perkebunan Di Wilayah Bolaang Mongondow Tahun 2008 1 Sunarsi

Lebih terperinci

ANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN I SUKASARI PURWAKARTA)

ANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN I SUKASARI PURWAKARTA) Prosiding Seminar Matematika dan Pendidikan Matematika ISBN: 978-60-61-0-9 hal 693-703 November 016 ANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN

Lebih terperinci

SILABUS PERKULIAHAN METODE STATISTIKA MULTIVARIAT 3 SKS KODE :

SILABUS PERKULIAHAN METODE STATISTIKA MULTIVARIAT 3 SKS KODE : SILABUS PERKULIAHAN METODE STATISTIKA MULTIVARIAT 3 SKS KODE : JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA 2005-2006 MATAKULIAH

Lebih terperinci

Kelas 2. Kelas 1 Mahasiswa. Mahasiswa. Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika

Kelas 2. Kelas 1 Mahasiswa. Mahasiswa. Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika 4 Kelas 2 Kelas 1 N3 N4 N3 N4 Gambar 1 Struktur data kelompok dalam pengukuran berulang pada data Metode Statistika BAHAN DAN METODE Bahan Data yang digunakan adalah data nilai capaian mahasiswa dalam

Lebih terperinci

KOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN

KOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 17-22 ISSN: 2303-1751 KOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN I MADE ANOM ARIAWAN 1, I PUTU EKA NILA KENCANA 2, NI LUH PUTU

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN 19 HASIL DAN PEMBAHASAN Koreksi Pencaran Multiplikatif Data persen transmitan diperoleh dari pengukuran dengan menggunakan FTIR pada 1866 bilangan gelombang yang berkisar antara 4000 400 cm -1. Grafik

Lebih terperinci

PERBANDINGAN KINERJA BEBERAPA METODE KLASIFIKASI HASIL REDUKSI DATA BERDIMENSI TINGGI

PERBANDINGAN KINERJA BEBERAPA METODE KLASIFIKASI HASIL REDUKSI DATA BERDIMENSI TINGGI ISSN 1858-4667 JURNAL LINK Vol 16/No. 1/Februari 212 PERBANDINGAN KINERJA BEBERAPA METODE KLASIFIKASI HASIL REDUKSI DATA BERDIMENSI TINGGI Ronny Susetyoko 1, Elly Purwantini 2 1,2 Departemen Teknik Elektro,

Lebih terperinci

JURNAL MATEMATIKA DAN PEMBELAJARANNYA 2016 VOLUME 2, NO. 1. ISSN

JURNAL MATEMATIKA DAN PEMBELAJARANNYA 2016 VOLUME 2, NO. 1. ISSN VOLUME 2, NO. 1. ISSN 2303-0992 N. PONTO PENGKAJIAN PEMBENTUKAN MODEL KLASIFIKASI DALAM PENGELOMPOKKAN JURUSAN SISWA DI SMA (Studi Kasus: Siswa SMA Negeri Siau Timur Kabupaten Siau Tagulandang Biaro Propinsi

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

ANALISIS KOMPONEN UTAMA PADA PENERAPAN APLIKASI PEMBELAJARAN METODE GLENN DOMAN

ANALISIS KOMPONEN UTAMA PADA PENERAPAN APLIKASI PEMBELAJARAN METODE GLENN DOMAN ANALISIS KOMPONEN UTAMA PADA PENERAPAN APLIKASI PEMBELAJARAN METODE GLENN DOMAN Anik Rufaidah 1, Muhamad Afif Effindi 2 1 Program Studi Teknik Industri, 2 Program Studi Teknik Informatika Sekolah Tinggi

Lebih terperinci

ANALISIS DISKRIMINAN FISHER POPULASI GANDA UNTUK KLASIFIKASI NASABAH KREDIT

ANALISIS DISKRIMINAN FISHER POPULASI GANDA UNTUK KLASIFIKASI NASABAH KREDIT ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 575-581 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS DISKRIMINAN FISHER POPULASI GANDA UNTUK KLASIFIKASI

Lebih terperinci

IDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN DINI DENGAN METODE ANALISIS FAKTOR

IDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN DINI DENGAN METODE ANALISIS FAKTOR Saintia Matematika Vol. 2, No. 1 (2014), pp. 1 11. IDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN DINI DENGAN METODE ANALISIS FAKTOR Aswin Bahar, Gim Tarigan, Pengarapen Bangun Abstrak. Pernikahan dini merupakan

Lebih terperinci

Perbandingan Analisis Diskriminan dan Analisis Regresi Logistik Ordinal dalam Prediksi Klasifikasi Kondisi Kesehatan Bank

Perbandingan Analisis Diskriminan dan Analisis Regresi Logistik Ordinal dalam Prediksi Klasifikasi Kondisi Kesehatan Bank Perbandingan Analisis Diskriminan dan Analisis Regresi Logistik Ordinal dalam Prediksi Klasifikasi Kondisi Kesehatan Bank Fajri Zufa Alumni Program Studi Statistika, FMIPA, Universitas Bengkulu e-mail

Lebih terperinci

ANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA. Bahriddin Abapihi 1)

ANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA. Bahriddin Abapihi 1) Bahriddin Abapihi//Paradigma, Vol.15 No.1 Pebruari 2011 hlm.11 18 11 ANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA Bahriddin Abapihi 1) 1) Jurusan Matematika FMIPA, Universitas Haluoleo,

Lebih terperinci

Penskalaan Dimensi Ganda (Multidimensional Scaling) Data Non Metrik

Penskalaan Dimensi Ganda (Multidimensional Scaling) Data Non Metrik Jurnal Jurnal Matematika, Matematika, Statistika Statistika, & Komputasi Komputasi Vol. Vol. 3 No 3 No. Juli Januari 006 07 Vol 3, No, 8-35 3-30, Januari 07 8 Penskalaan Dimensi Ganda (Multidimensional

Lebih terperinci

Minggu XI ANALISIS KOMPONEN UTAMA. Utami, H

Minggu XI ANALISIS KOMPONEN UTAMA. Utami, H Minggu XI ANALISIS KOMPONEN UTAMA Utami, H Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen Utama 4 Contoh Utami, H Minggu XIANALISIS KOMPONEN UTAMA 2 / 16 Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,

Lebih terperinci

Analisis Biplot untuk Pemetaan Posisi dan Karakteristik Usaha Pariwisata di Provinsi Bali

Analisis Biplot untuk Pemetaan Posisi dan Karakteristik Usaha Pariwisata di Provinsi Bali Jurnal Matematika Vol. 6 No. 1, Juni 2016. ISSN: 1693-1394 Analisis Biplot untuk Pemetaan Posisi dan Karakteristik Usaha Pariwisata di Provinsi Bali I Gusti Ayu Made Srinadi Jurusan Matematika, Fakultas

Lebih terperinci

Gambar 5 Spektrum IR EVA water -based A-760 (a), DA-101 (b). : standar; :non-standar. Bilangan Gelombang (cm -1 )

Gambar 5 Spektrum IR EVA water -based A-760 (a), DA-101 (b). : standar; :non-standar. Bilangan Gelombang (cm -1 ) 5 HIL D PEMH nalisis pektrum I Pola spektrum FTI sel utuh sampel biologis maupun non-biologis merupakan pola spektrum sidik jari hasil serapan vibrasi dari seluruh penyusun sel tersebut, seperti protein,

Lebih terperinci

PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak

PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,

Lebih terperinci

KETEPATAN PENGKLASIFIKASIAN FUNGSI DISKRIMINAN LINIER ROBUST DUA KELOMPOK DENGAN METODE FAST MINIMUM COVARIATE DETERMINANT (FAST MCD)

KETEPATAN PENGKLASIFIKASIAN FUNGSI DISKRIMINAN LINIER ROBUST DUA KELOMPOK DENGAN METODE FAST MINIMUM COVARIATE DETERMINANT (FAST MCD) KETEPATAN PENGKLASIFIKASIAN FUNGSI DISKRIMINAN LINIER ROBUST DUA KELOMPOK DENGAN METODE FAST MINIMUM COVARIATE DETERMINANT (FAST MCD) Budyanra Jurusan Statistika, Sekolah Tinggi Ilmu Statistik, Jakarta

Lebih terperinci

Penerapan Garis Berat Segitiga Centroid untuk Menentukan Kelompok pada Analisis Diskriminan

Penerapan Garis Berat Segitiga Centroid untuk Menentukan Kelompok pada Analisis Diskriminan Penerapan Garis Berat Segitiga Centroid untuk Menentukan Kelompok pada Analisis Diskriminan I Komang Gede Sukarsa, I Putu Eka Nila Kencana 2, NM. Dwi Kusumawardani 3 Laboratorium Statistika Jurusan Matematika

Lebih terperinci

HASIL DAN PEMBAHASAN. Eksplorasi Pola Spektrum

HASIL DAN PEMBAHASAN. Eksplorasi Pola Spektrum konsentrasi. Konsentrasi kafein terbagi menjadi 6 konsentrasi, sehingga dari masing-masing komponen diperoleh 24 kombinasi konsentrasi. c. Campuran senyawa tiga komponen, yaitu Vitamin B1, Vitamin B6,

Lebih terperinci

Analisis Peubah Ganda

Analisis Peubah Ganda Analisis Peubah Ganda Analisis Komponen Utama Dr. Ir. I Made Sumertajaya, M.Si Pengamatan Peubah Ganda - memerlukan sumberdaya lebih, dalam analisis - informasi tumpang tindih pada beberapa peubah Apa

Lebih terperinci

METODE EKSPLORATIF UNTUK MENGUJI KESAMAAN SPEKTRUM FTIR TEMULAWAK

METODE EKSPLORATIF UNTUK MENGUJI KESAMAAN SPEKTRUM FTIR TEMULAWAK METODE EKSPLO ORATIF UNTUK MENGUJI KESAMAAN SPEKTRUM FTIR TEMULAWAK EKO WAHYU WIBOWO SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini

Lebih terperinci

II. TINJAUAN PUSTAKA 2.1 Analisis Korelasi Kanonik

II. TINJAUAN PUSTAKA 2.1 Analisis Korelasi Kanonik 3 II. TINJAUAN PUSTAKA 2.1 Analisis Korelasi Kanonik Menurut Gittins (1985) analisis korelasi kanonik adalah salah satu teknik analisis statistik yang digunakan untuk melihat hubungan antara segugus peubah

Lebih terperinci

PENERAPAN METODE PENGGEROMBOLAN BERDASARKAN GAUSSIAN MIXTURE MODELS DENGAN MENGGUNAKAN ALGORITMA EXPECTATION MAXIMIZATION ULA SUSILAWATI

PENERAPAN METODE PENGGEROMBOLAN BERDASARKAN GAUSSIAN MIXTURE MODELS DENGAN MENGGUNAKAN ALGORITMA EXPECTATION MAXIMIZATION ULA SUSILAWATI PENERAPAN METODE PENGGEROMBOLAN BERDASARKAN GAUSSIAN MIXTURE MODELS DENGAN MENGGUNAKAN ALGORITMA EXPECTATION MAXIMIZATION ULA SUSILAWATI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Lebih terperinci

Tabel 6 Daftar peubah karakteristik

Tabel 6 Daftar peubah karakteristik 6 Tabel 6 Daftar peubah karakteristik Kode. Keterangan X1 Hasil gabah (kg/ha) X2 Umur saat akar tembus lilin (HST) X3 Jumlah akar tembus X4 Panjang akar tembus (cm) X5 Berat akar (gr) X6 Laju asimilasi

Lebih terperinci

ANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU. Oleh : Heru Novriyadi G

ANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU. Oleh : Heru Novriyadi G ANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU Oleh : Heru Novriyadi G4004 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

Penggunaan Analisis Faktor (Factor Analysis) dengan Aplikasi Program SPSS 11.5

Penggunaan Analisis Faktor (Factor Analysis) dengan Aplikasi Program SPSS 11.5 Penggunaan Analisis Faktor (Factor Analysis) dengan Aplikasi Program SPSS 11.5 Oleh: Muji Gunarto (mgunarto@hotmail.com) I. Pendahuluan (Landasan Teori) Analisis faktor adalah salah satu analisis yang

Lebih terperinci

Analisis Cluster, Analisis Diskriminan & Analisis Komponen Utama. Analisis Cluster

Analisis Cluster, Analisis Diskriminan & Analisis Komponen Utama. Analisis Cluster Analisis Cluster Analisis Cluster adalah suatu analisis statistik yang bertujuan memisahkan kasus/obyek ke dalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang lain.

Lebih 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

STK511 Analisis Statistika. Pertemuan 13 Peubah Ganda

STK511 Analisis Statistika. Pertemuan 13 Peubah Ganda STK511 Analisis Statistika Pertemuan 13 Peubah Ganda 13. Peubah Ganda: Pengantar Pengamatan Peubah Ganda Menggambarkan suatu objek tidak cukup menggunakan satu peubah saja Kasus pengamatan peubah ganda

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 2, 71-81, Agustus 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 2, 71-81, Agustus 2001, ISSN : PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,

Lebih terperinci

JURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman Online di:

JURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman Online di: JURNAL GAUSSIAN, Volume, Nomor, April 013, Halaman 119-18 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN KOEFISIEN KORELASI KANONIK DAN INTERPRETASI FUNGSI KANONIK MULTIVARIAT Muhamad

Lebih terperinci

Analisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur

Analisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur Analisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur Qonitatin Nafisah, Novita Eka Chandra Jurusan Matematika Fakultas MIPA Universitas Islam Darul Ulum Lamongan

Lebih terperinci

PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti

PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti S-25 PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG Indahwati, Yenni Angraeni, Tri Wuri Sastuti Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Pemodelan multilevel adalah

Lebih terperinci

Penggunaan Kernel Principal Component Analysis Fungsi Polinomial Dalam Menyelesaikan Masalah Pengelompokan Plot Peubah Ganda

Penggunaan Kernel Principal Component Analysis Fungsi Polinomial Dalam Menyelesaikan Masalah Pengelompokan Plot Peubah Ganda Penggunaan Kernel Principal Component Analysis Fungsi Polinomial Dalam Menyelesaikan Masalah Pengelompokan Plot Peubah Ganda Sueharti Maatuil, Hanny A. H. Komalig, Charles Mongi 3 Program Studi Matematika,

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI PENJURUSAN SISWA MELALUI ANALISIS DISKRIMINAN. Nerli Khairani Lia Anggriani Siregar. Abstrak

FAKTOR-FAKTOR YANG MEMPENGARUHI PENJURUSAN SISWA MELALUI ANALISIS DISKRIMINAN. Nerli Khairani Lia Anggriani Siregar. Abstrak 97 FAKTOR-FAKTOR YANG MEMPENGARUHI PENJURUSAN SISWA MELALUI ANALISIS DISKRIMINAN Nerli Khairani Lia Anggriani Siregar Abstrak Analisis diskriminan adalah metode statistika yang digunakan untuk mengelompokkan

Lebih terperinci

ANALISIS PREFERENSI SISWA SMA DI KOTA SEMARANG TERHADAP PROGRAM STUDI DI PERGURUAN TINGGI DENGAN METODE CHOICE-BASED CONJOINT

ANALISIS PREFERENSI SISWA SMA DI KOTA SEMARANG TERHADAP PROGRAM STUDI DI PERGURUAN TINGGI DENGAN METODE CHOICE-BASED CONJOINT ANALISIS PREFERENSI SISWA SMA DI KOTA SEMARANG TERHADAP PROGRAM STUDI DI PERGURUAN TINGGI DENGAN METODE CHOICE-BASED CONJOINT Dini Anggreani 1, Moch. Abdul Mukid 2, Agus Rusgiyono 3 1 Mahasiswa Jurusan

Lebih terperinci

Analisis Pengelompokan dengan Metode K-Rataan

Analisis Pengelompokan dengan Metode K-Rataan 511 Analisis Pengelompokan dengan Metode K-Rataan Titin Agustin Nengsih Fakultas Syariah IAIN Sulthan Thaha Saifuddin Jambi Abstrak Analisis pengelompokkan adalah salah satu metode eksplorasi data untuk

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari

BAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari BAB 2 LANDASAN TEORI 21 Analisis Komponen Utama 211 Pengantar Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari tulisan Karl Pearson pada tahun 1901 untuk peubah non-stokastik Analisis

Lebih terperinci

BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang

BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA Analisis komponen utama adalah metode statistika multivariat yang bertujuan untuk mereduksi dimensi data dengan membentuk kombinasi linear

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Karakteristik Siswa Gambar 1 memperlihatkan Karakteristik siswa SMA Negeri Ulu Siau berdasarkan jurusan. Berdasarkan Gambar 1 umumya siswa lebih memilih jurusan IPA daripada jurusan

Lebih terperinci

ANALISIS DISKRIMINAN LOGISTIK UNTUK KLASIFIKASI SEKOLAH STANDAR INTERNASIONAL BERDASARKAN STATUS AFILIASI

ANALISIS DISKRIMINAN LOGISTIK UNTUK KLASIFIKASI SEKOLAH STANDAR INTERNASIONAL BERDASARKAN STATUS AFILIASI Xplore, 2013, Vol. 2(1):e4(1-7) c 2013 Departemen Statistika FMIPA IPB ANALISIS DISKRIMINAN LOGISTIK UNTUK KLASIFIKASI SEKOLAH STANDAR INTERNASIONAL BERDASARKAN STATUS AFILIASI Syella Sumampouw, Muhammad

Lebih terperinci

ANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR. Gangga Anuraga ABSTRAK

ANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR. Gangga Anuraga ABSTRAK ANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR Gangga Anuraga Dosen Program Studi Statistika MIPA Universitas PGRI Adi Buana Surabaya E-mail : ganuraga@gmail.com

Lebih terperinci

PEMODELAN DAN SIMULASI TINGGI GENANGAN BANJIR DI KECAMATAN GUBENG KOTA SURABAYA MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS

PEMODELAN DAN SIMULASI TINGGI GENANGAN BANJIR DI KECAMATAN GUBENG KOTA SURABAYA MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS PEMODELAN DAN SIMULASI TINGGI GENANGAN BANJIR DI KECAMATAN GUBENG KOTA SURABAYA MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS Penyusun Tugas Akhir : Ratri Enggar Pawening/5107100613 Pembimbing I Dr. Ir. Joko

Lebih terperinci

MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK Kishartini 1, Diah Safitri 2, Dwi Ispriyanti 3

MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK Kishartini 1, Diah Safitri 2, Dwi Ispriyanti 3 ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 711-718 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI

Lebih terperinci

, dengan. Karakteristik dari vektor peubah acak X dan Y sebagai berikut:

, dengan. Karakteristik dari vektor peubah acak X dan Y sebagai berikut: 3 TINJAUAN PUSTAKA Analisis Korelasi Kanonik Analisis korelasi kanonik (AKK) yang diperkenalkan oleh Hotelling pada tahun 1936, bertujuan untuk mengidentifikasi dan menghitung hubungan linier antara dua

Lebih terperinci

PENERAPAN METODE TRANSFORMASI WAVELET DISKRET DAN PARTIAL LEAST SQUARE DISCRIMINANT ANALYSIS

PENERAPAN METODE TRANSFORMASI WAVELET DISKRET DAN PARTIAL LEAST SQUARE DISCRIMINANT ANALYSIS PENERAPAN METODE TRANSFORMASI WAVELET DISKRET DAN PARTIAL LEAST SQUARE DISCRIMINANT ANALYSIS (PLSDA) UNTUK KLASIFIKASI KOMPONEN OBAT BAHAN ALAM (Studi Kasus: Obat Bahan Alam/ Fitofarmaka Penurun Tekanan

Lebih terperinci

aljabar geo g metr me i

aljabar geo g metr me i Pertemuan 12 & 13 ANALIS KOMPONEN UTAMA & FUNGSI DISCRIMINAN Obyektif : Reduksi variabel Interpretasi Aplikasi AKU dalam Anls Regresi Discrimination Fisher and Classification Classification with two Multivariate

Lebih terperinci

PENGONTROLAN KUALITAS PROSES PRODUKSI ROKOK UNIT SIGARET KRETEK TANGAN DI PT. X MENGGUNAKAN DIAGRAM KONTROL MULTIVARIAT np (Mnp)

PENGONTROLAN KUALITAS PROSES PRODUKSI ROKOK UNIT SIGARET KRETEK TANGAN DI PT. X MENGGUNAKAN DIAGRAM KONTROL MULTIVARIAT np (Mnp) PENGONTROLAN KUALITAS PROSES PRODUKSI ROKOK UNIT SIGARET KRETEK TANGAN DI PT. X MENGGUNAKAN DIAGRAM KONTROL MULTIVARIAT np (Mnp) Oleh: Wenny Rakhmania 1306 100 032 Jurusan Statistika Institut Teknologi

Lebih terperinci

BAB. IX ANALISIS REGRESI FAKTOR (REGRESSION FACTOR ANALYSIS)

BAB. IX ANALISIS REGRESI FAKTOR (REGRESSION FACTOR ANALYSIS) BAB. IX ANALII REGREI FAKTOR (REGREION FACTOR ANALYI) 9. PENDAHULUAN Analisis regresi faktor pada dasarnya merupakan teknik analisis yang mengkombinasikan analisis faktor dengan analisis regresi linier

Lebih terperinci

PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA. Tatik Widiharih Jurusan Matematika FMIPA UNDIP

PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA. Tatik Widiharih Jurusan Matematika FMIPA UNDIP PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,

Lebih terperinci

Kata Kunci: Bagan kendali Multivariat np, karakteristik kecacatan, tahap start-up stage, tahap pengendalian proses

Kata Kunci: Bagan kendali Multivariat np, karakteristik kecacatan, tahap start-up stage, tahap pengendalian proses Jurnal Matematika UNAND Vol. VI No. 1 Hal. 161 167 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGONTROLAN KUALITAS PRODUK MENGGUNAKAN METODE BAGAN KENDALI MULTIVARIAT NP DALAM USAHA PENINGKATAN

Lebih terperinci

Analisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM)

Analisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM) Sidang Tugas Akhir Surabaya, 15 Juni 2012 Analisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM) Wenthy Oktavin Mayasari

Lebih terperinci

Oleh : Amilia Firda Rahmana ( ) Dosen Pembimbing : Santi Puteri Rahayu, M.Si, Ph.D

Oleh : Amilia Firda Rahmana ( ) Dosen Pembimbing : Santi Puteri Rahayu, M.Si, Ph.D Analisis Pola Hubungan Besarnya Kerugian Negara Akibat Korupsi Dengan Demografi Koruptor di Jawa Timur Oleh : Amilia Firda Rahmana (1311 105 008) Dosen Pembimbing : Santi Puteri Rahayu, M.Si, Ph.D Seminar

Lebih terperinci

Astuti Amin Sekolah Tinggi Ilmu Farmasi Makassar ABSTRAK

Astuti Amin Sekolah Tinggi Ilmu Farmasi Makassar ABSTRAK DETERMINASI DAN ANALISIS FINGER PRINT DAUN MIANA (Coleus scutellarioides Linn.) SEBAGAI BAHAN BAKU OBAT TRADISIONAL DENGAN METODE SPEKTROSKOPI FT-IR DAN KEMOMETRIK Astuti Amin Sekolah Tinggi Ilmu Farmasi

Lebih terperinci

ANALISIS MULTIVARIAT PADA DATA INDEKS GEOMAGNET GLOBAL

ANALISIS MULTIVARIAT PADA DATA INDEKS GEOMAGNET GLOBAL Prosiding SNaPP2011 Sains, Teknologi, dan Kesehatan ISSN:2089-3582 ANALISIS MULTIVARIAT PADA DATA INDEKS GEOMAGNET GLOBAL 1 John Maspupu 1 Pussainsa LAPAN, Jl. Dr. Djundjunan No. 133 Bandung 40173, Tlp.

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

FAKTOR FAKTOR YANG MEMENGARUHI MINAT MAHASISWA ASAL LUAR BALI KULIAH DI FMIPA UNIVERSITAS UDAYANA BALI

FAKTOR FAKTOR YANG MEMENGARUHI MINAT MAHASISWA ASAL LUAR BALI KULIAH DI FMIPA UNIVERSITAS UDAYANA BALI FAKTOR FAKTOR YANG MEMENGARUHI MINAT MAHASISWA ASAL LUAR BALI KULIAH DI FMIPA UNIVERSITAS UDAYANA BALI DAIMATUL KHOIRIYAH 1, MADE SUSILAWATI 2, DESAK PUTU EKA NILAKUSMAWATI 3 1, 2, 3 Jurusan Matematika

Lebih terperinci

TINJAUAN PUSTAKA. Gambar 1. Struktur kurkuminoid

TINJAUAN PUSTAKA. Gambar 1. Struktur kurkuminoid R 1 O OH TINJAUAN PUSTAKA Senyawa Aktif pada Rimpang Temulawak Menurut Sinambela (1985), komposisi rimpang temulawak dapat di bagi menjadi dua fraksi utama yaitu zat warna kurkuminoid dan minyak atsiri.

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

BAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN

BAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN BAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN 3.1 Deteksi Pencilan Multivariat Pengidentifikasian pencilan pada kasus multivariat tidaklah mudah untuk dilakukan,

Lebih terperinci

TINJAUAN PUSTAKA Analisis Biplot Biasa

TINJAUAN PUSTAKA Analisis Biplot Biasa TINJAUAN PUSTAKA Analisis Biplot Biasa Analisis biplot merupakan suatu upaya untuk memberikan peragaan grafik dari matriks data dalam suatu plot dengan menumpangtindihkan vektor-vektor dalam ruang berdimensi

Lebih terperinci

Aplikasi Analisa Multivariate dan Analisa Regresi Linier Berganda pada Proses Pengolahan Air Minum

Aplikasi Analisa Multivariate dan Analisa Regresi Linier Berganda pada Proses Pengolahan Air Minum J. Math. and Its Appl. ISSN: 1829-605X Vol. 1, No. 2, Nov. 2004, 41 48 Aplikasi Analisa Multivariate dan Analisa Regresi Linier Berganda pada Proses Pengolahan Air Minum Soehardjoepri Jurusan Matematika

Lebih terperinci

Transformasi Biplot Simetri Pada Pemetaan Karakteristik Kemiskinan

Transformasi Biplot Simetri Pada Pemetaan Karakteristik Kemiskinan Transformasi Biplot Simetri Pada Pemetaan Karakteristik Kemiskinan Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail: Desi_its@yahoo.com Mustika Hadijati Fakultas MIPA, Universitas Mataram e-mail:

Lebih terperinci

HASIL DAN PEMBAHASAN. Prosedur Penggunaan Peranti Lunak ImageJ

HASIL DAN PEMBAHASAN. Prosedur Penggunaan Peranti Lunak ImageJ sedangkan PLSDA untuk mengklasifikasikan ketiga tanaman sampel ke dalam tiga kelompok tanaman yang berbeda dalam bentuk model prediksi. Model tersebut selanjutnya digunakan untuk memprediksi ketiga sampel

Lebih terperinci

Diagram ARL W i & W Ri. Varian

Diagram ARL W i & W Ri. Varian maka nilai RL 1 yang ada ditambah satu sampai ditemui adanya out of control. Menentukan 1 dengan menghitung rata-rata RL 1 dari keseluruhan replikasi. Untuk aplikasi data yang digunakan dalam penelitian

Lebih terperinci

SENSITIFITAS MODEL GARCH UNTUK MENGATASI HETEROKEDASTIK PADA DATA DERET WAKTU

SENSITIFITAS MODEL GARCH UNTUK MENGATASI HETEROKEDASTIK PADA DATA DERET WAKTU SENSITIFITAS MODEL GARCH UNTUK MENGATASI HETEROKEDASTIK PADA DATA DERET WAKTU Asep Saefuddin, Anang Kurnia dan Sutriyati Departemen Statistika FMIPA IPB Ringkasan Data deret waktu pada bidang keuangan

Lebih terperinci

DAFTAR PUSTAKA. Biro Pusat Statistik Indikator Kesejahteraan Rakyat BPS. Jakarta.

DAFTAR PUSTAKA. Biro Pusat Statistik Indikator Kesejahteraan Rakyat BPS. Jakarta. DAFTAR PUSTAKA Biro Pusat Statistik. 1996. Indikator Kesejahteraan Rakyat 1995. BPS. Jakarta. Digby PGN & RkKempton. 1987. Multivariate Analysis of Ecologcal Communities. Chapman & Hall. New York. Dillon

Lebih terperinci

PENERAPAN METODE TRANSFORMASI WAVELET KONTINU DAN PARTIAL LEAST SQUARES PADA DATA GINGEROL ABSTRACT ABSTRAK

PENERAPAN METODE TRANSFORMASI WAVELET KONTINU DAN PARTIAL LEAST SQUARES PADA DATA GINGEROL ABSTRACT ABSTRAK PENERAPAN METODE TRANSFORMASI WAVELET KONTINU DAN PARTIAL LEAST SQUARES PADA DATA GINGEROL Margaretha Ohyver Jurusan Matematika dan Statistika, Fakultas Sains dan Teknologi, Universitas Bina Nusantara

Lebih terperinci

PEMODELAN KINERJA LEMBAGA PERANGKAT DAERAH

PEMODELAN KINERJA LEMBAGA PERANGKAT DAERAH Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 6 Mei 009 PEMODELAN KINERA LEMBAGA PERANGKA DAERAH KARIYAM enaga Pengaar urusan Statistika

Lebih terperinci

PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN PERSENTASE RUMAH TANGGA MENURUT KUALITAS FISIK AIR MINUM DENGAN MENGGUNAKAN K-MEANS CLUSTER

PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN PERSENTASE RUMAH TANGGA MENURUT KUALITAS FISIK AIR MINUM DENGAN MENGGUNAKAN K-MEANS CLUSTER PENGELOMPOKAN PROVINSI DI INDONESIA BERDASARKAN PERSENTASE RUMAH TANGGA MENURUT KUALITAS FISIK AIR MINUM DENGAN MENGGUNAKAN K-MEANS CLUSTER Artanti Indrasetianingsih Dosen Program Studi Statistika, FMIPA

Lebih terperinci

GRAFIK PENGENDALI Mnp PADA DATA TAK SESUAI

GRAFIK PENGENDALI Mnp PADA DATA TAK SESUAI GRAFIK PENGENDALI Mnp PADA DATA TAK SESUAI Nonik Brilliana P 1, Sudarno 2, dan Suparti 2 1 Mahasiswa Jurusan Statistika FSM Undip 2 Staf Pengajar Jurusan Statistika FSM Undip Abstrak Pada era globalisasi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI 2.1 Rancangan Percobaan Rancangan percobaan merupakan suatu uji dalam atau deretan uji baik menggunakan statistika deskripsi maupun statistika inferensia, yang bertujuan untuk mengubah

Lebih terperinci

APLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA. Indahwati, Dian Kusumaningrum, Wiwid Widiyani

APLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA. Indahwati, Dian Kusumaningrum, Wiwid Widiyani S-4 APLIKASI REGRESI DUA LEVEL TERHADAP NILAI AKHIR METODE STATISTIKA Indahwati, Dian Kusumaningrum, Wiwid Widiyani Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Metode Statistika

Lebih terperinci

MK. PERENCANAAN LINGKUNGAN ANALISIS PEUBAH GANDA MULTIVARIATE ANALYSIS

MK. PERENCANAAN LINGKUNGAN ANALISIS PEUBAH GANDA MULTIVARIATE ANALYSIS MK. PERENCANAAN LINGKUNGAN ANALISIS PEUBAH GANDA MULTIVARIATE ANALYSIS Oleh: Prof.Dr.Ir.Soemarno,M.S Obyek Pengamatan Variabel X4 Variabel X1 Variabel X2 Variabel X3 Variabel Xn Multi-Variabel Metode analisis

Lebih terperinci

BAB I PENDAHULUAN. Ruang lingkup analisis multivariat adalah terdiri dari analisis statistika

BAB I PENDAHULUAN. Ruang lingkup analisis multivariat adalah terdiri dari analisis statistika BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Ruang lingkup analisis multivariat adalah terdiri dari analisis statistika yang mengamati dua atau lebih variabel random yang berhubungan, sebagai suatu kesatuan

Lebih terperinci

Penerapan Metode Multidimensional Scaling dalam Pemetaan Sarana Kesehatan di Jawa Barat

Penerapan Metode Multidimensional Scaling dalam Pemetaan Sarana Kesehatan di Jawa Barat Jurnal Matematika Integratif ISSN 141-6184 Volume 1 No 1, April 016, pp 43 50 Penerapan Metode Multidimensional Scaling dalam Pemetaan Sarana Kesehatan di Jawa Barat Julita Nahar Program Studi Matematika,

Lebih terperinci