Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA"

Transkripsi

1 Pengaruh Kelembaban dan Ser Tanah Terhadap Mutu dan Produs Tanaman Tembaau Temanggung dengan Metode MANOVA Mftala Al Rza ), Sutno ), dan Dumal ) ) Jurusan Statsta, Faultas MIPA, Insttut Tenolog Sepuluh Nopember Jl. Aref Rahman Ham, Surabaya 60 ) Bala Peneltan Tanaman Pemans dan Serat, Departemen Pertanan Jl. Raya Karangploso Km. 4, Malang 655 E-mal: sutno@statsta.ts.ac.d Abstra-Tembaau temanggung merupaan omponen utama bahan bau roo, arena meml estmewaan yatu aromanya dan adar notn yang tngg antara 3%-8%. Peneltan n membahas Multvarate Analyss of Varance (MANOVA) untu mengetahu pengaruh ser tanah dan elembaban tanah terhadap produs dan mutu tembaau temanggung. Ser tanah yang dgunaan dalam peneltan n adalah Losar, Cand Salam, dan Glapansar. Sementara Kelembapan tanah yang dgunaan yatu antara 60% - 00%. Hasl peneltan menunuan bahwa Kelembaban dan ser tanah meml pengaruh tarhadap mutu dan produs tanaman tembaau temanggung. Kombnas terba antara ser tanah dan elembaban yang dgunaan adalah pada ser tanah Cand Salam dan pada elembaban 00%. Kata unc: MANOVA, mutu dan produs tembaau, rancangan percobaan, tembaau temanggung I. PENDAHULUAN ANAMAN tembaau termasu dalam faml Solanaceae yang banya dbuddayaan d Indonesa. Komodtas tembaau meml peranan pentng dalam roda pereonoman Indonesa, arena tembaau merupaan salah satu omodtas perdagangan pentng d duna. Produ tembaau yang utama dperdagangan adalah daun tembaau dan roo. Tembaau dan roo merupaan produ bernla tngg, sehngga bag beberapa negara termasu Indonesa tembaau berperan dalam pereonoman nasonal, yatu sebaga salah satu sumber devsa, sumber penermaan pemerntah dan paa (cua), sumber pendapatan petan dan lapangan era pendudu d perdesaan. Terdapat banya ens tembaau yang ada d Indonesa, salah satunya adalah tembaau temanggung arena dhaslan dar Kabupaten Temanggung. Tembaau temanggung merupaan omponen utama bahan bau roo, arena meml estmewaan yatu aromanya dan adar notn yang tngg antara 3%-8%. Terdapat dua macam tembaau temanggung, yatu tembaau unng dan tembaau htam. Tembaau unng sebagan besar dtanam d area sawah dan sebagan ecl d dataran tngg atau wlayah pegunungan. Sementara tembaau htam hanya dtanam d dataran tngg atau pegunungan. Mutu tembaau unng lebh rendah darpada tembaau htam. Namun deman tembaau unng temanggung harganya mash lebh tngg darpada tembaau raangan ser lan. Pada tembaau htam terdapat mutu husus yang dsebut srntl dengan mutu dan harga tertngg. Tembaau srntl sangat langa, arena tda semua wlayah dan tda setap musm dapat dhaslan tembaau ser n. T Tembaau temanggung meml peranan dalam racan sgaret erete sebaga pembentu rasa dan aroma, hususnya sgaret erete tangan (SKT). Sebelum perode tahun delapan puluhan produs ndustr sgaret erete ddomnas oleh SKT. Dalam racan semua ndustr sgaret rete membutuhan tembaau temanggung, sehngga persangan antar pabr dalam pembelan tembaau temanggung sangat etat hususnya tembaau mutu terba (srntl). Sesua huum pasar, abatnya harga tembaau srntl sangat mahal. Sebaga lustras pada tahun 976 harga tertngg tembaau temanggung mutu srntl mencapa Rp0.000,00 per g. Ja berat netto satu eranang adalah 40 g, maa nla ual tembaau srntl satu eranang sebesar Rp 4,8 uta. Lahan yang mampu menghaslan tembaau srntl terbatas, dan hanya dapat dhaslan pada eadaan lm yang erng saa. Menurut Radyoatmodo [], produs dan mutu tembaau Temanggung dpengaruh oleh berbaga fator, dantaranya: ser tembaau, ser tanah, etnggan loas tanam, curah huan, suhu, cahaya, pemelharaan tanaman, dan proses pengolahan pasca panen. D sampng tu produtvtas tembaau uga dpengaruh oleh adanya serangan berbaga hama dan penyat. Beberapa peneltan telah dlauan dalam upaya mengembangan produs dan produtftas tembaau temanggung, dantaranya Setyowat []. Peneltan n membahas pengembangan panduan penerapan sustanable agrculture d Desa Tlahap, Kecamatan Kledung Kabupaten Temanggung yang bertuuan mengembangan panduan penerapan sustanable agrculture yang sesua dengan onds dan araterst desa d ecamatan Kledung, Kabupaten Temanggung berdasar model perpndahan sstem pertanan yang sesua, yang dlauan d desa Tlahab sebaga stud asus D sampng tu Bala Peneltan Pemans dan Serat (Baltas) Karangploso Malang telah melauan peneltan terat dengan produtftas dan mutu tembaau Temanggung. Peneltan n bertuuan mengetahu pengaruh elembaban dan ser tanah terhadap produs dan mutu tembaau. Pada proses analss data mash menggunaan pendeatan unvarat, padahal varabel responnya lebh dar satu yang memungnan adanya orelas. D sampng tu pendetesan beberapa asums model mash belum dlauan. Peneltan n membahas Multvarate Analyss of Varance (MANOVA) untu mengetahu pengaruh ser tanah dan elembaban tanah terhadap produs dan mutu tembaau temanggung. Dengan metode n dharapan mendapatan nformas yang lebh omprehensf dan sahh.

2 II. TINJAUAN PUSTAKA A. Multvarate Analyss of Varance Multvarate Analyss of Varance (MANOVA) adalah ten analss yang dgunaan untu membandngan vetor mean dua populas atau lebh untu asus multvarat random samplng yang dperoleh dar n populas. Penguan MANOVA dlauan untu mengetahu perbedaan vetor rata-rata dar tap treatment. Penguan vetor rata-rata MANOVA memerluan asums bahwa data berdstrbus normal multvarat dan homogen. [3]. Model Manova untu dua fator dengan nteras dsaan sebaga berut. Y μ + τ + β + τβ + ε () dengan: :,,..., a, ( ) :,,..., b, :,,..., n a b a b Dmana τ β (τβ) (τβ ) 0. Semua vetor beruuran (px) dan adalah εvetor aca ndependen N p ( 0, Σ ). Dengan deman, respon terdr atas p penguuran dan dreplas al pada setap emungnan ombnas level-taraf pada fator dan. U Hpotess Pengaruh Interas Berdasaran analss unvarat, untu analss multvarat terdapat penggantan salar ( y. dengan ' matrs yang sesua ( y. ( y.. Hpotess : τβ τβ H 0 : mnmal ada satu τβ 0 τβ ab atau tda ada pengaruh fator nteras antara ser tanah dan elembaban ( τβ ) terhadap respon yang damat. Statst u: * SSPres Λ () SSPnt + SSPres dengan : SSP nt : Sum of Square and cross product nteras SSP res : Sum of Square and cross product resdual * Untu sampel besar, wls lambda ( Λ ), dapat dsebut sebaga persentl ch-square. Dengan menggunaan pengal Bartlett'e untu menngatan pendeatan chsquare, menola H 0 : τβ τβ... τβab 0 d taraf α a p + ( a )( b ) * ab( n ) ln Λ > χ ( a)( b) p dmana χ ( a )( b) p adalah (00α) persentl atas dar dstrbus ch-square dengan (a-) (b-) p deraat bebas. Atau, Λ * ( ab( n ) p + ) / ) F Λ * ( ( a )( b ) p + / ) H0 dtola apabla F ht > F( v, v)(0.05) dmana: v (a-)(b-)-p+ dan v ab(n-)+ U Hpotess Pengaruh Utama Dalam model multvarat, u untu fator dan fator menggunaan hpotess: Untu fator τ τ 0 H : palng sedt satu τ 0 τ atau tda ada pengaruh fator ser tanah ( τ ) terhadap respon yang damat. Untu fator β β 0 β H : palng sedt satu β 0 atau tda ada pengaruh fator elembaban ( ) respon yang damat. β terhadap Statst u: * SSPres Λ (3) SSPfac + SSPres dengan : SSP fac : Sum of Square and cross product fator Dengan menggunaan ores Bartlett, untu fator, tola H 0 : τ τ... τ a 0 (tda ada efe fator ) pada taraf α a: p + ( a ) * ab( n ) ln Λ > χ ( a) p dmana χ( a ) p ( α ) adalah (00α) persentl atas dar dstrbus ch-square dengan (g-) p deraat bebas. Sementara untu fator, tola H 0 : β β... βb (tda ada efe fator ) pada tarafα a: p + ( b ) * ab( n ) ln Λ > χ( b ) p ( α ) dmana χ ( b ) p adalah (00α) persentl atas dar dstrbus ch-square dengan (b-) p deraat bebas. Atau, Λ ( (a -) - p +/ ) F Λ (ab(n -) +/ ) dan ( (b -) - p +/ ) Λ F Λ (ab(n -) +/ ) Fator : H dtola apabla F 0 ht > F( v, v)(0.05 ) dmana: v (a-) - p+ dan v ab(n-)+ Fator : H dtola apabla F 0 ht > F( v, v)(0.05 ) dmana: v (b-) - p+ dan v ab(n-)+

3 3 B. Kehomogenan Matrs Varan Kovarans Salah satu asums yang harus dpenuh dalam manova adalah apabla varabel bebas mempunya matrs varan ovaran yang sama. Pada peneltan n untu mengetahu ehomogenan matrs varan ovaran dgunaan u Box s M dengan hpotess: H 0 : Σ Σ Σ H : Σ Σ untu Statst u: χ htung ( c ) v ln S ln S pool v dan v S pool S v n v p + 3p c v 6( p + )( ) v Dengan deraat bebas (df) adalah ½ p(p+)(-), dmana p adalah banyanya varabel dan adalah banyanya group atau dalam hal n banya perlauan. Ja χ χ atau p-value > 0,05 maa htung ( ) p( p+ gagal menola hpotess awal yang berart matrs varan ovaran bersfat homogen [3]. C. Asums Multvarate Normal Analss multvarat merupaan suatu analss yang merupaan suatu analss yang melbatan banya varabel (lebh dar dua varabel). Sedangan dstrbus normal multvarat merupaan suatu bentu dstrbus data statsta yang salng berhubungan dmana varabel-varabel dar data yang bersangutan lebh dar dua data, dengan masngmasng varabel memenuh sfat normaltas. Ja terdapat varabel random sebanya p buah yang ontnyu dan meml fungs epadatan peluang f(y) dengan p, maa: ' F( y) exp [( y μ) ( y μ)] (4) p (π) Dmana : y adalah vetor varabel respon μ vetor rataan umum p baya varabel respon dengan hpotess : H 0 : data berdstrbus multvarat normal H : data tda berdstrbus multvarat normal Salah satu cara untu memersa enormalan adalah dengan menggunaan QQ-plot dengan tahapan-tahapan sebaga berut :. Mencar nla normal standart untu tap-tap varabel p dengan cara sebaga berut : ( y y ) Z S dmana,,...,a dan,,...,b. Mencar ara uadrat dar Z dengan cara : T d ( y S ( y dmana : S - matrs ovarans beruuran p x p ; ( y. y.. ) vetor mean normal standart beruuran p x n d matrs beruuran n x n yang smetrs 3. Mengurutan d () < d () <... < d (n) 4. Menghtung persentl dar dstrbus Ch-Square χ p( 0. 05)/n 5. Membuat plot antara d dengan 6. Interpetas plot χ p( 0. 05)/n III. METODOLOGI Data yang dgunaan pada peneltan n adalah data seunder yang dperoleh dar Bala Peneltan Tembaau dan Tanaman Serat (BALITTAS), dmana data n sebelumnya menad peneltan yang telah dlauan oleh Bala Peneltan Tembaau dan Tanaman Serat pada tahun 00. Dalam peneltan n, varabel respon yang dgunaan adalah produs dan mutu tembaau temanggung. Sementara varabel predtor yang dgunaan adalah elembaban tanah (60%, 70%, 80%, 90%, dan 00%) dan ser tanah (Losar, Cand Salam, dan Glapansar). Pada peneltan n dambl sampel 3 ser tanah secara aca (Cand Salam, Glapansar, dan Losar), emudan sampel tanah tersebut dbawa e BALITAS. Taraftanah terdr atas tga, yatu: tanah Cand Salam, tanah Glapansar, dan tanah Losar. Sementara elembaban tanah terdr atas 5 level, yatu: 60%, 70%, 80%, 90%, dan 00%. Percobaan dlauan d rumah aca ebun percobaan BALITTAS Karangploso Malang. Rancangan lngungan yang dgunaan adalah rancangan aca lengap (RAL), arena unt espermennya homogen. Sementara rancangan perlauan menggunaan fatoral. Setap perlauan dlauan ulangan sebanya 3 al. Terdapat 5 ombnas perlauan yang selengapnya dsaan pada berut : No Tabel. Kombnas Perlauan Ser Tanah Kelembaban LOSARI C.SALAM GLAPANSARI 60% STK STK ST3K 70% STK STK ST3K 80% STK3 STK3 ST3K3 90% STK4 STK4 ST3K4 00% STK5 STK5 ST3K5 Ser Tanah Tabel. Strutur Data Kelembaban Ulang Produs Kadar Notn ST K Y Y ST K Y Y 3 ST K3 Y Y 4 ST K4 Y Y 5 ST K5 Y Y 45 ST3 K5 3 Y Y Tahapan analss data adalah sebaga berut.. Untu mengetahu araterst produs dan adar notn tembaau temanggung dgunaan statsta desrptf.

4 Produs Kadar_Notn Produs 4. Untu mengetahu tngat elembaban dan ser tanah yang berpengaruh terhadap produs dan adar notn, langah-langah sepert berut : ) Melauan u asums, yatu: a. Dstrbus normal multvarat dengan menggunaan QQ-plot. b. Kehomogenan matrs varans-ovarans dengan menggunaan u Box s M. ) Melauan analss MANOVA, langah-langahnya:. U sgnfans multvarate dan efe Interas dengan menggunaan MANOVA.. Melauan u pengaruh fator nteras terhadap respon.. Mengdentfas pengaruh utama dan nteras terba terhadap produs dan adar notn. IV. HASIL DAN DISKUSI A. Analss Desrps Produs Tembaau Temanggung Tembaau temanggung merupaan salah satu tembaau yang meml ualtas terba dan menad bahan bau roo rete. Sampa saat n daerah penanaman mash terpusat d tga loas yatu: Losar, Cand Salam, dan Glapansar. Rata-rata produs tembaau temanggung adalah g/hetar, dmana produs palng sedt yatu sebesar 6.53 g/hetar dan produs palng banya yatu sebesar Rata-rata adar notn tembaau temanggung adalah 70,980%, dmana adar notn palng tngg yatu sebesar 8,7% dan adar notn palng rendah yatu sebesar 5,87% (Tabel 3). Tabel 3. Nla Mean, Varans, Mnmum, dan Masmum Varabel Mnmum Maxmum Mean Varance Produs(g/h) K.notn(%) ,00 30,00 40,00 30,00 dentfas awal pada fator ser tanah menunuan bahwa tda terdapat perbedaan nla tengah (medan) ba varabel respon produs maupun adar notn (Gambar a dan c). Sebalnya untu fator elembaban tanah terdapat perbedaan yang cuup mencolo, dmana seman tngg elembaban yang dgunaan seman tngg ba pula varabel respon produs maupun adar notn (Gambar b dan d). B. Penyusunan Model Manova Analss Multvarate Analyss of Varan (MANOVA) dgunaan untu melhat perbedaan pengaruh elembaban dan ser tanah secara smultan (bersama) terhadap varabel respon (produs, adar notn,tngg tanaman, dan umlah daun). Penguan Asums Sepert yang delasan pada asums normal multvarat, penguan data berdstrbus normal multvarate menggunaan u Q-Q plot. Hasl perhtungan dperoleh nla d yang berada dbawah nla χ (;0.05) 5.99adalah sebesar 56%. Oleh arena tu dapat dsmpulan bahwa data mengut dstrbus normal multvarate. D sampng tu, esmpulan n dduung oleh dagram pencar antara d dannla χ p(-0,5)/n yang meml pola lnear. Sementara hasl perhtungan dperoleh nla Box M sebesar 74,09,d peroleh p-value sebesar 0,44. Oleh arena tu dapat dsmpulan matrs varan ovaran adalah homogen. MANOVA Pengaruh Utama dan Interas Fator Ser Tanah dan Kelembaban Terhadap Produs dan Kadar Notn Penguan pengaruh nteras fator ser tanah dan elembaban dengan menggunaan statst u Wls Lambda sepert yang delasan pada bab... Hpotess yang dgunaan yatu: τβ τβ 0 τβ H : mnmal ada satu τβ 0 0,00 0,00 8,00 7,50 G L S Ser_Tanah (a) 0,00 0,00 8,00 7,50 (b) Kelembaban Untu fator ser tanah τ τ 0 H : palng sedt satu τ 0 τ 7,00 6,50 6,00 G L S Kadar_Notn 7,00 6,50 6, Ser_Tanah (c) Kelembaban (d) Gambar. Boxplot antara Ser Tanah dan Produs (a), Kelembaban dan Produs (b), Ser Tanah dan Kadar Notn (c), serta Kelembapan dan Kadar Notn (d). Gambar menunuan bahwa tda terdapat data estrm dan outler pada produs dan adar notn ba menurut ser tanah maupun elembaban. Dsampng tu hasl Untu fator elembaban β β 0 H : palng sedt satu β 0 β Hasl u pengaruh nteras fator ser tanah dan elembaban serta pengaruh fator utama dsaan pada tabel MANOVA sepert pada Tabel 4

5 5 Tabel 4 U Sgnfans Multvarate Pengaruh Utama dan Interas Pengaruh Wls Lambda F df df P-value. Pengaruh Utama Tanah Kelembaban Pengaruh Interas Tanah dan elembaban Tabel 4 nteras antara ser tanah dan elembaban meml nla p-value yang lebh ecl dar taraf sgnfans (α 0.05), maa H 0 dtola. Hal n menunuan bahwa terdapat pengaruh nteras antara ser tanah dan elembaban terhadap varabel respon produs dan adar notn. Deman uga untu pengaruh fator utama ser tanah menghaslan nla p-value yang lebh ecl dar taraf sgnfans (α 0.05), hal n berart bahwa ser tanah berpengaruh terhadap varabel respon produs dan adar notn. Hal yang sama uga terad pada fator elembaban, dengan nla p-value lebh ecl dar taraf sgnfans (α0.05) yang berart bahwa elembaban berpengaruh terhadap varabel respon produs dan adar notn. Untu mengetahu pengaruh fator nteras dan fator utama terhadap masng-masng varabel respon produs dan adar notn dapat dsaan pada Tabel 5. Tabel 5 menunuan bahwa terdapat pengaruh nteras ser tanah dan elembaban terhadap produs, hal n dtunuan dengan nla p-value yang lebh ecl dar taraf sgnfans (α0.05). begtu pula untu varabel respon adar notn, yang menunuan bahwa terdapat pengaruh nteras ser tanah dan elembaban terhadap adar notn, dtunuan dengan nla p-value yang lebh ecl dar taraf sgnfans (α0.05). Untu pengaruh fator ser tanah, dapat detahu bahwa ser tanah berpengaruh terhadap produs, dtunuan oleh nla p-value < Begtu pula untu varabel respon adar notn, dmana ser tanah uga memberan pengaruh (p-value < 0.05). Sementara untu fator elembaban dapat detahu bahwa memberan pengaruh terhadap masng-masng varabel respon (produs dan adar notn), hal n darenaan nla p-value < Tabel 5 U Pengaruh Fator Interas Terhadap Masng-masng Respon Analss selanutnya adalah mengdentfas fator yang mempunya pengaruh tertngg terhadap varabel respon produs dan adar notn. Pada pengaruh utama ser tanah dan elembaban terhadap produs dan adar notn tembaau temanggung dsaan pada Tabel 6. Tabel 6 menunuan bahwa nla rataan produs yang palng tngg adalah pada ser tanah Cand Salam. Deman uga untu adar notn, ser tanah yang palng tngg adalah pada ser tanah Cand Salam. Sementara pada fator elembaban, pada taraf 00 % memberan rata-rata produs yang tertngg. Deman uga pada dan adar notn mempunya rataan tertngg. Tabel 6 Rataan Produs dan Kadar Notn pada Masng-masng Taraf Untu memperelas pengaruh masng-masng ser tanah dan setap taraf elembaban terhadap produs dan adar notn dsaan plot antara masng-masng taraf fator dengan nla rataan varabel respon sepert pada Gambar. Gambar Plot antara Ser Tanah dan Rataan Produs (a), Ser Tanah dan Rataan Kadar Notn (b), Kelembaban dan Rataan Produs (c), serta Kelembaban dan Rataan Kadar Notn (d). Berdasaran hasl penguan pengaruh nteras menun-uan terdapat nteras antara ser tanah dan elembaban, maa nterpretas yang lebh dutamaan adalah pengaruh nterasnya. Oleh arena tu, selanutnya dlauan dentfas nteras ser tanah dan elembaban yang terba untu produs dan adar notn. Tabel 7 menunuan bawa rataan produs tembaau temanggung yang tertngg dhaslan dar nteras antara ser tanah cand Salam dan dengan elembaban 00%. Hal yang sama uga berlau untu respon adar notn. dmana nteras yang dapat memberan adar notn tertngg adalah pada ser tanah Cand Salam dan dengan elembaban 00%. Untu lebh elasnya. rataan produs dan adar notn pada masngmasng nteras ser tanah dan elembaban dapat dsaan pada Gambar 3 Tabel 7 Rataan Produs dan Kadar Notn pada Interas Ser Tanah dan Kelembaban Glapansar Losar C and Salam Produs Kadar Notn

6 6 Gambar 3 Plot antara Interas Ser Tanah dan Kelembaban terhadap Produs (a) dan Kadar Notn (b). V. KESIMPULAN Kelembaban dan ser tanah meml pengaruh tarhadap mutu dan produs tanaman tembaau temanggung. Kombnas terba antara ser tanah dan elembaban yang dgunaan adalah pada ser tanah Cand Salam dan pada elembaban 00%. UCAPAN TERIMA KASIH Penuls M.A.R. mengucapan terma ash epada Bala Peneltan Tanaman Pemans dan Serat, Departemen Pertanan Republ Indonesa atas esempatan yang dberan untu memperoleh data yang dgunaan dalam tugas ahr. DAFTAR PUSTAKA [] Radyoatmo,S.999. Perembangan areal dan produs tembaau temanggung tahun 999. Maalah dsaan pada Pertemuan Tens Snronsas Standar Monster Tembaau Raangan Temanggung pada tanggal 6 September 999 d Temanggung. [] Setyowat.004. Pengembangan paduan penerapan Sustanable Agrculture d Desa Tlahap, Kecamatan Kledung Kabupaten Temanggung. Insttut Tenolog Sepuluh Nopember. Surabaya. [3] Johnson, R.A. & Wchern, D.W. (00). Appled Multvarate Statstcal Analyss, 5th edton. Pearson Educaton Internatonal.

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2) BB 0 Mengnterpretasan Populas arabel Kanon arabel anon secara umumnya artfsal. Ja varabel awal X ( dan X ( dgunaan oefsen anon a dan b mempunya unt propors dar hmpunan X ( dan X (. Ja varabel awal yang

Lebih terperinci

Pendekatan Hurdle Poisson Pada Excess Zero Data

Pendekatan Hurdle Poisson Pada Excess Zero Data SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 05 Pendeatan Hurdle Posson Pada Excess Zero Data S - 7 Def Yust Fadah, Resa Septan Pontoh Departemen Statsta FMIPA Unverstas Padadaran def.yust@unpad.ac.d

Lebih terperinci

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK. Fanny Ayu Octavana dan Dra. Luca Ardnant, MT. Jurusan Statsta, Faultas Matemata dan Ilmu

Lebih terperinci

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Usulan Penerapan Teor Marov Dalam Pengamblan Keputusan Perawatan Tahunan Pada Pt. Pupu Kujang USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG Nof Ern,

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Semnar Nasonal Aplas Tenolog Informas 00 (SNATI 00) ISSN: 0-0 Yogyaarta, Jun 00 FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK) Sr Kusumadew Jurusan Ten Informata,

Lebih terperinci

PENGARUH KELEMBABAN DAN SERI TANAH TERHADAP MUTU DAN PRODUKSI TANAMAN TEMBAKAU TEMANGGUNG DENGAN METODE MANOVA

PENGARUH KELEMBABAN DAN SERI TANAH TERHADAP MUTU DAN PRODUKSI TANAMAN TEMBAKAU TEMANGGUNG DENGAN METODE MANOVA Co. Pembimbing Dr. Ir. Djumali, MP Seminar Hasil Tugas Akhir PENGARUH KELEMBABAN DAN SERI TANAH TERHADAP MUTU DAN PRODUKSI TANAMAN TEMBAKAU TEMANGGUNG DENGAN METODE MANOVA Oleh: Miftalia Al Riza (1308

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Persentase Kriminalitas Dan Faktor- Faktor Yang Mempengaruhi Di Jawa Timur Dengan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMITS Vol., No.1, (014 7-50 (01-98X Prnt D-18 Pemodelan Persentase Krmnaltas Dan Fator- Fator ang Mempengaruh D Jaa Tmur Dengan Pendeatan Geographcally Weghted Regresson (GWR Pan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN ORI. Aljabar Matrs.. Defns Matrs Matrs adalah suatu umpulan anga-anga yang juga serng dsebut elemen-elemen yang dsusun secara teratur menurut bars dan olom sehngga berbentu perseg panjang,

Lebih terperinci

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

Pemodelan Penduduk Miskin Di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) Pemodelan Pendudu Msn D Jawa Tmur Menggunaan Metode Geographcally Weghted Regresson (GWR) Yuanta Damayant, dan Dr. Vta Ratnasar S.S, M.S Jurusan Statsta, F-MIPA, Insttut Tenolog Sepuluh Nopember (ITS)

Lebih terperinci

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e ANALISIS PEMAKAIAN KEMOTERAPI PADA KASUS KANKER PAYUDARA DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL (STUDI KASUS PASIEN DI RUMAH SAKIT X SURABAYA Aref Yudssanta, dan Dra. Madu Ratna, M.S Jurusan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB TINJAUAN PUSTAKA Pada Bab n aan dpaparan beberapa teor tentang analss dsrmnan dar berbaga sumber sepert: buu, jurnal dan prosdng. Analss dsrmnan adalah salah satu metode dependens dar analss multvarat.

Lebih terperinci

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN 69 IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN Dtnau dar sfat hubungan antar persamaan terdapat dua ens model persamaan yatu model persamaan tunggal dan model sstem persamaan. Model persamaan tunggal adalah

Lebih terperinci

ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011).

ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). ANALISIS DATA KATEGORI DENGAN LOG LINIER MENGGUNAKAN PRINSIP HIRARKI (STUDI KASUS JUMLAH KECELAKAAN LALU LINTAS DI KOTA MAKASSAR TAHUN 2011). Try Azsah Nurman Dosen Pada Jurusan Matemata, Faultas Sans

Lebih terperinci

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil Bab 7 STATISTIKA A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR Kompetens Dasar Setelah mengut pembelajaran n sswa mampu:. Menghayat dan mengamalan ajaran agama yang danutnnya. 2. Meml motvas nternal, emampuan

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

Bab III Model Estimasi Outstanding Claims Liability

Bab III Model Estimasi Outstanding Claims Liability Bab III Model Estmas Outstandng Clams Lablty. Model ELRF Suatu model yang dgunaan untu menasr outstandng clams lablty, tda cuup hanya melbatan data pada run-off trangle saa. Sebab, pembayaran lam d masa

Lebih terperinci

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Semnar Nasonal Tenolog Informas dan Multmeda 207 STMIK AMIKOM Yogyaarta, 4 Februar 207 ANALIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING Sgt Kamseno ), Bara Satya 2) ), 2) Ten Informata

Lebih terperinci

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression

Faktor-Faktor Eksternal Pneumonia pada Balita di Jawa Timur dengan Pendekatan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D-37 Fator-Fator Esternal Pneumona pada Balta d Jawa Tmur dengan Pendeatan Geographcally Weghted Regresson Ftrarma Putr Santoso, Sr Pngt W, dan

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

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak). BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO 3. Smulas Monte Carlo Smulas Monte Carlo merupaan bentu smulas probablst dmana solus dar suatu masalah dberan berdasaran proses rendomsas (aca).

Lebih terperinci

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0 Implementas Jarngan Saraf Truan Bacpropagaton Pada Aplas Pengenalan Waah Dengan Jara Yang Berbeda Menggunaan MATLAB 7.0 Syafe Nur Luthfe Jurusan Ten Informata, Unverstas Gunadarma Jl. Margonda Raya 100,

Lebih terperinci

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. ) ISSN: 3-98X D- Analss Pemaaan Kemoterap pada Kasus Kaner Payudara dengan Menggunaan Metode Regres Logst Multnomal (Stud Kasus Pasen d Rumah Sat X Surabaya)

Lebih terperinci

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel

Pemodelan Peran Perempuan Terhadap Pertumbuhan Ekonomi di Jawa Timur Tahun Menggunakan Regresi Data Panel JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prnt) D-305 Pemodelan Peran Perempuan Terhadap Pertumbuhan Eonom d Jawa Tmur Tahun 010-014 Menggunaan Regres Data Panel Putr Rachmawat, Wahu

Lebih terperinci

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION PEMODELAN INGKA KERAWANAN DEMAM BERDARAH DENGUE DI KABUPAEN LAMONGAN DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION Marsa Rfada 1, Purhad 1) Mahasswa Magster Jurusan Statsta, Insttut

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-305

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-305 JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prnt) D-305 Analss Pola Hubungan Kerugan Negara Abat Korups dengan Demograf Koruptor d Jawa Tmur Amla Frda Rahmana, Sant Puter Rahau Jurusan

Lebih terperinci

ANALISIS KLASTER UNTUK SEGMENTASI PEMIRSA PROGRAM BERITA SORE STASIUN TV SWASTA

ANALISIS KLASTER UNTUK SEGMENTASI PEMIRSA PROGRAM BERITA SORE STASIUN TV SWASTA Analss Klaster (Aan Rosatun) ANALISIS KLASTER UNTUK SEGMENTASI PEMIRSA PROGRAM BERITA SORE STASIUN TV SWASTA Aan Rosatun Tat Wdharh, Dah Saftr Staf Nusantara Sat Motor Jaarta Staf Pengaar Prod Statsta

Lebih terperinci

Diagram Kontrol Fuzzy Multinomial Untuk Data Linguistik

Diagram Kontrol Fuzzy Multinomial Untuk Data Linguistik Prosdng Statsta ISSN: 2460-6456 Dagram Kontrol Fuzzy Multnomal Untu Data ngust 1 Amy Amallya Azzah, 2 Suwanda Idrs, 3 snur Wachdah 1,2,3 Prod Statsta, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah BAB III METODOLOGI PENELITIAN Penyusunan laporan tugas ahr n dlauan sesua dengan langahlangah peneltan yang aan dperlhatan pada dagram d bawah n, agar peneltan n dapat berjalan secara ba dan terarah. Sehngga

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188

JURNAL SAINS DAN SENI POMITS Vol.3, No. 2, (2014) ISSN: ( Print) D-188 JURNL SINS DN SENI POMITS Vol., No., () ISSN: - (- Prnt) D- Pemodelan Fator-Fator yang Mempengaruh Jumlah Kasus Penyat Tuberuloss d Jawa Tmur dengan Pendeatan Generaled Posson Regresson dan Geographcally

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN : JURNAL MATEMATIKA DAN KOMUTER Vol.. No., -, Aprl, ISSN : -88 ENDEKATAN RERESI OLINOMIAL ORTHOONAL ADA RANCANAN DUA FAKTOR (DENAN ALIKASI SAS DAN MINITAB) Tat Wharh Jurusan Matemata FMIA UNDI Abstra eneatan

Lebih terperinci

PRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING

PRA-PEMROSESAN DATA LUARAN GCM CSIRO-Mk3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING PRA-PEMROSESAN DATA LUARAN GCM CSIRO-M3 DENGAN METODE TRANSFORMASI WAVELET DAUBECHIES UNTUK PEMODELAN STATISTICAL DOWNSCALING Vvn Mandasar (306 00 069), Dr Ir Setawan, M S (960030 9870 00) Mahasswa Jurusan

Lebih terperinci

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA

ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA Hars Bhat Prasetyo, Dan Handayan, Wdyant Rahayu JURUSAN MATEMATIKA FMIPA-UNIVERSITAS NEGERI

Lebih terperinci

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial

Prosedur Komputasi untuk Membentuk Selang Kepercayaan Simultan Proporsi Multinomial SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Prosedur Komputas untu Membentu Selang Kepercayaan Smultan Propors Multnomal S - 11 Bertho Tantular Departemen Statsta FMIPA UNPAD bertho@unpad.ac.d

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

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar VI. KETIDAKPASTIAN 12 Dalam enyataan sehar-har banya masalah dduna n tda dapat dmodelan secara lengap dan onssten. Suatu penalaran dmana adanya penambahan fata baru mengabatan etdaonsstenan, dengan cr-cr

Lebih terperinci

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA

CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA CONFIGURAL FREQUENCY ANALYSIS UNTUK MELIHAT KARAKTERISTIK CALON INVESTOR SAHAM RETAIL PT BURSA EFEK JAKARTA LAPORAN PENELITIAN MANDIRI PENELITI RESA SEPTIANI PONTOH NIP : 132 317 117 JURUSAN STATISTIKA

Lebih terperinci

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur

Pendekatan Regresi Semiparametrik Spline untuk Memodelkan Rata-Rata Umur Kawin Pertama (UKP) di Provinsi Jawa Timur JURNAL SAINS DAN SENI ITS Vol. 6, No., (07) ISSN: 337-350 (30-98X Prnt) D-9 Pendeatan Regres Semarametr Slne untu Memodelan Rata-Rata Umur Kawn Pertama (UKP) d Provns Jawa Tmur Dhra Audha Pratw, I Nyoman

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

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk) Semnar Nasonal plas enolog Informas (SNI ) Yogyaarta, Jun FUZZY BCKPROPGION UNUK KLSIFIKSI POL (Stud asus: lasfas ualtas produ) Sr Kusumadew Jurusan en Informata, Faultas enolog Industr Unverstas Islam

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

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-36 JURNAL SAINS DAN SENI POMIS Vol. 3, No., (04 337-350 (30-98X Prnt D-36 Fator-Fator Yang Mempengaruh ngat Keberhaslan Pemberan Kemoterap Pada Pasen Penderta Kaner Payudara D RSUD Dr.Soetomo Dengan Menggunaan

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

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK PENGGUNAAN MODEL REGRESI LINEAR BERGANDA PADA PROGRAM PENGGEMUKAN SAPI PO ( PERANAKAN ONGOLE) SERTA ANALISIS BCR ( BENEFIT COST RATIO ) PENGGUNAAN PAKAN BAHAN KERING Eman Lesmana, Raman Jurusan Matemata

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

Bab III. Plant Nonlinear Dengan Fase Nonminimum

Bab III. Plant Nonlinear Dengan Fase Nonminimum Bab III Plant Nonlnear Dengan Fase Nonmnmum Pada bagan n dbahas mengena penurunan learnng controller untu sstem nonlnear dengan derajat relatf yang detahu Dalam hal n hanya dperhatan pada sstem-sstem nonlnear

Lebih terperinci

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n

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

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression

Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Buta Huruf Kabupaten/kota di Jawa Timur dengan Geographically Weighted Ordinal Logistic Regression JURNAL SAINS DAN SENI IS Vol., No., (Sept. 0) ISSN: 30-98X D-3 Pemodelan Fator-Fator Yang Mempengaruh ngat Buta Huruf Kabupaten/ota d Jawa mur dengan Geographcally Weghted Ordnal Logstc Regresson Nur Lalyah

Lebih terperinci

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression

Pemodelan Angka Buta Huruf di Kabupaten/Kota se-jawa Timur dengan Metode Geographically Weighted t Regression JURNAL EKNIK IS Vol. 6, No., (7) ISSN: 337-3539 (3-97 Prnt) D- Pemodelan Anga Buta Huruf d Kabupaten/Kota se-jawa mur dengan Metode Geographcally Weghted t Regresson Nndya Kemala Astut, Purhad, dan Shof

Lebih terperinci

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION Oleh : SOEMARTINI JURUSAN STATISTIKA FAKULTAS MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS PADJADJARAN JATINANGOR 008 DAFTAR ISI Hal DAFTAR

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

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression

Pemetaan Angka Gizi Buruk pada Balita di Jawa Timur dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prnt) D-333 Pemetaan Anga Gz Buru pada Balta d Jawa Tmur dengan Geographcally Weghted Regresson Adtya Kurnawat, Mutah Salamah C., dan Shof Andar

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

Penggunaan Model Regresi Tobit Pada Data Tersensor

Penggunaan Model Regresi Tobit Pada Data Tersensor SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY 016 S 15 Penggunaan Model Regres obt Pada Data ersensor Def Yust Fadah 1, Resa Septan Pontoh 1, Departemen Statsta FMIPA Unverstas Padjadjaran def.yust@unpad.ac.d

Lebih terperinci

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION

PEMODELAN KEJADIAN BALITA GIZI BURUK DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PEMODELAN KEJADIAN BALIA GIZI BURUK DI PROVINSI JAWA IMUR DENGAN PENDEKAAN GEOGRAPHICALLY WEIGHED REGRESSION Rahandn Luta Lestar 1 dan Sutno 1 Mahasswa Jurusan Statsta, IS, Surabaya Dosen Pembmbng, Jurusan

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

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS Ihwannul Khols, ST. MT. Unverstas 7 Agustus 945 Jaarta hols27@gmal.com Abstra Pengenalan pola data

Lebih terperinci

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS

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

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

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

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN Buletn Ilmah ath. Stat. dan erapannya (Bmaster) Volume 5, No. 3 (6), hal 8. INVERS DRAZIN DARI SUAU ARIKS DENGAN ENGGUNAKAN BENUK KANNIK JRDAN Eo Sulstyono, Shanta artha, Ea Wulan Ramadhan INISARI Suatu

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR

ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR ANALISIS REGRESI MULIVARIA BERDASARKAN FAKOR-FAKOR ANG MEMPENGARUHI DERAJA KESEHAAN DI PROVINSI JAWA IMUR Rosy Rsyant Ir. Sr Pngt Wulandar, M.S Mahasswa Jurusan Statsta FMIPA-IS (308 00 508) Dosen Jurusan

Lebih terperinci

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG

IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 20 MALANG IMPLEMENTASI ANALISIS REGRESI FAKTOR DALAM MENENTUKAN PENGARUH MOTIVASI BELAJAR TERHADAP HASIL BELAJAR MATEMATIKA SISWA KELAS VIII SMPN 0 MALANG Erm Andayan, Swasono Rahardjo, I Nengah Parta Unverstas

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

ANALISIS KAPABILITAS PROSES

ANALISIS KAPABILITAS PROSES TI PENGENLIN KULITS STTISTIK TOPIK 0 NLISIS KPILITS PROSES L, Semester II 00/0 Hlm. TI PENGENLIN KULITS STTISTIK. PENHULUN esrps : Merupaan uuran eseragaman proses dalam menghaslan produ dengan araterst

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

IMPLEMENTASI MIXED LINIER INTEGER PROGRAMMING UNTUK MENENTUKAN ALOKASI PRODUKSI DAN DISTRIBUSI DALAM JARINGAN RANTAI PASOK GLOBAL

IMPLEMENTASI MIXED LINIER INTEGER PROGRAMMING UNTUK MENENTUKAN ALOKASI PRODUKSI DAN DISTRIBUSI DALAM JARINGAN RANTAI PASOK GLOBAL IMLEMENASI MIE LINIER INEGER ROGRAMMING UNUK MENENUKAN ALOKASI ROUKSI AN ISRIBUSI ALAM JARINGAN RANAI ASOK GLOBAL Mahendrawath ER 1) Rully Soelaman 2) Ftrana 1) 1) Jurusan Sstem Informas 1) Jurusan en

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA) BAB TINJAUAN TEORITIS. Knsep Dasar Infes, Saluran Pernafasan, Infes Aut, dan Infes Saluran Pernafasan Aut (ISPA.. Infes Infes adalah masunya uman atau mrrgansme e dalam tubuh manusan dan berembang ba sehngga

Lebih terperinci

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah

Pemodelan MGWR Pada Tingkat Kemiskinan di Provinsi Jawa Tengah Value Added, Vol., No., 5 Pemodelan MGWR Pada Tngat Kemsnan d Provns Jawa Tengah Moh Yamn Darsyah, Rochd Wasono, Monca Frda Agustna 3,,3 Program Stud StatstaUnverstas Muhammadyah Semarang Emal: mydarsyah@unmus.ac.d

Lebih terperinci

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4 Statsta, Vo. 7 No. 2, 65 71 Nopember 27 Na Krts Permutas Esa untu Anova Satu Arah Krusa-Was pada Kasus Banyanya Sampe, = 4 Inne Maran, Yayat Karyana, dan Aceng Komarudn Mutaqn Jurusan Statsta FMIPA Unsba

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

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pengetan Reges dan Koelas.. Pengetan Reges Paa lmuan, eonom, psolog, dan sosolog selalu beepentngan dengan masalah peamalan. Peamalan matematyang memungnan ta meamalan nla-nla suatu

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN A III METODE PENELITIAN A. Tempat dan Watu Peneltan. Tempat Peneltan Obje dalam peneltan n adalah Kelas VIII M.Ts. Neger onang yang terleta d Kecamatan onang Kabupaten Dema.. Watu Peneltan Peneltan dlasanaan

Lebih terperinci

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online Jurnal Ensten 4 () (06): 4-3 Jurnal Ensten Avalable onlne http://jurnal.unmed.ac.d/0/ndex.php/ensten Penguuran Intrus Ar Laut Pada Sumur Gal Dengan Kondutvtmeter D Desa Pematang Guntung Kecamatan Telu

Lebih terperinci

Pengolahan lanjut data gravitasi

Pengolahan lanjut data gravitasi Modul 6 Pengolahan lanjut data gravtas 1. Transformas/proyes e bdang datar (metode Damney atau Euvalen Tt Massa). Pemsahan Anomal Loal/Resdual dan Anomal Regonal a. Kontnuas b. Movng average c. Polynomal

Lebih terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih terperinci