ANALISIS DISKRIMINAN KUADRATIK KEKAR (Studi Kasus : Divisi Regional Perum BULOG Tahun 2009) MAYA WULAN ARINI
|
|
- Farida Tan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS DISKRIMINAN KUADRATIK KEKAR (Studi Kasus : Divisi Regional Perum BULOG Tahun 2009) MAYA WULAN ARINI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011
2 RINGKASAN MAYA WULAN ARINI. Analisis Diskriminan Kuadratik Kekar : Studi Kasus Divisi Regional Perum BULOG Tahun Dibimbing oleh Ir. AAM ALAMUDI, M.Si dan Dr. Ir. MUHAMMAD NUR AIDI, MS. Perum BULOG terdiri dari 26 Divisi Regional (Divre), yang masing-masing Divre bertugas untuk mengontrol kebutuhan pangan khususnya beras di daerahnya masing-masing. Selama ini BULOG telah membagi Divre menjadi tiga kelompok yaitu, Divre surplus, Divre mandiri dan Divre defisit. Salah satu teknik statistika yang dapat digunakan untuk mengevaluasi kelompok Divre yaitu analisis diskriminan. Hasil uji kehomogenan matriks koragam menunjukan bahwa matriks koragam pada data tidak homogen, sehingga diperlukan analisis diskriminan kuadratik. Analisis diskriminan kuadratik didasari oleh pendugaan vektor rataan dan matriks koragam yang tidak kekar terhadap amatan pencilan. Salah satu metode yang dapat mengatasi amatan pencilan dalam data yaitu metode penduga MCD yang dihasilkan dari algoritma FAST-MCD. Algoritma FAST- MCD mengidentifikasikan bahwa pada data terdapat amatan pencilan, sehingga analisis diskriminan kuadratik dengan penduga MCD dipilih sebagai analisis diskriminan yang tepat dalam mengatasi amatan pencilan serta matriks koragam tidak homogen. Hasil pengelompokan menggunakan skor diskriminan kuadratik dengan penduga MCD, menunjukan bahwa terdapat empat amatan pencilan yang berubah kelompok yaitu, Divre Sumatera Utara, Sumatera Barat, Kalimantan Barat dan NTB. Kata kunci : Divisi Regional, diskriminan kuadratik, penduga MCD
3 ANALISIS DISKRIMINAN KUADRATIK KEKAR (Studi Kasus : Divisi Regional Perum BULOG Tahun 2009) MAYA WULAN ARINI Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Statistika pada Departemen Statistika DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011
4 Judul : Analisis Diskriminan Kuadratik Kekar (Studi Kasus : Divisi Regional Perum BULOG Tahun 2009) Nama : Maya Wulan Arini NRP : G Menyetujui : Pembimbing I, Pembimbing II, Ir. Aam Alamudi, M.Si Dr. Ir. Muhammad Nur Aidi, MS NIP : NIP : Mengetahui : Ketua Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Dr. Ir. Hari Wijayanto, MS NIP : Tanggal Lulus :
5 PRAKATA Alhamdulillahi Rabbil Alamiin, segala puji dan syukur penulis panjatkan ke hadirat Allah SWT atas segala karunia-nya sehingga penulis dapat menyelesaikan karya ilmiah ini. Shalawat serta salam semoga selalu tercurah kepada Nabi Muhammad SAW beserta keluarga, sahabat, dan pengikutnya hingga akhir zaman. Karya ilmiah ini berjudul Analisis Diskriminan Kuadratik Kekar (Studi Kasus : Divisi Regional Perum BULOG Tahun 2009). Penulis mengucapkan terima kasih kepada Bapak Ir. Aam Alamudi, M.Si dan Bapak Dr. Ir. Muhammad Nur Aidi, MS selaku dosen pembimbing atas bimbingan, saran, dan masukan yang diberikan sehingga karya ilmiah ini dapat diselesaikan. Penulis juga mengucapkan terima kasih kepada : 1. Ayah dan Ibu serta adik-adikku atas segala doa, kasih sayang, dukungan, dan semangat yang telah diberikan kepada penulis. 2. Dr. Ir. Anik Djuraidah, MS. selaku penguji luar yang telah memberikan arahan dan saran kepada penulis. 3. Seluruh dosen Departemen Statistika yang telah memberikan ilmu dan nasihat yang bermanfaat bagi penulis. 4. Ibu Evi Sulandari beserta staf Perum BULOG khususnya Divisi Analisa Harga dan Pasar, yang telah membantu penulis dalam persiapan data dan analisis. 5. Seluruh Staf Tata Usaha Departemen Statistika yang telah membantu dalam administrasi penulis selama perkuliahan. 6. Teman-teman Statistika 44 serta semua pihak yang telah mendukung dan membantu penulis selama ini yang tidak dapat disebutkan satu- persatu. Terima kasih untuk semuanya. Penulis menyadari masih banyak kekurangan yang terdapat dalam karya ilmiah ini, semoga karya ilmiah ini dapat bermanfaat bagi semua pihak yang membutuhkan. Bogor, November 2011 Maya Wulan Arini
6 RIWAYAT HIDUP Penulis dilahirkan di Bandar Lampung pada tanggal 28 April 1989 dari pasangan Bapak H.Soldi Salawangi dan Ibu Hj.Beni Purwatina. Penulis merupakan anak pertama dari empat bersaudara. Tahun 2001 penulis lulus dari SD Negeri 1 Rawa laut, kemudian melanjutkan studi di MTs. Diniyah Putri Lampung hingga tahun Selanjutnya penulis menyelesaikan pendidikan di MAN 1 Bandar Lampung dan lulus pada tahun Pada tahun yang sama penulis diterima di IPB melalui jalur USMI sebagai mahasiswa Departemen Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam. Selama di IPB penulis aktif di Organisasi Kemahasiswaan diantaranya, Serambi Ruhiyah Mahasiswa FMIPA sebagai sekretaris divisi Syiar and Science pada periode kepengurusan dan menjadi sekretaris Dewan Perwakilan Mahasiswa FMIPA pada periode kepengurusan Penulis menjalankan tugas Praktik Lapang pada tanggal 07 Februari sampai 08 April 2011 di Perum BULOG pusat sebagai staf Divisi Analisa Harga dan Pasar.
7 DAFTAR ISI DAFTAR TABEL... viii DAFTAR GAMBAR... viii DAFTAR LAMPIRAN... viii PENDAHULUAN... 1 Latar Belakang... 1 Tujuan... 1 TINJAUAN PUSTAKA... 1 Divisi Regional Perum BULOG... 1 Analisis Diskriminan... 1 Penduga Kekar MCD... 2 Penduga Tingkat Kesalahan Klasifikasi... 3 METODOLOGI... 3 Bahan... 3 Metode... 3 HASIL DAN PEMBAHASAN... 3 Eksplorasi Data... 3 Uji Kenormalan Ganda... 4 Uji Kesamaan Vektor Rataan dan Uji Kehomogenan Matriks Koragam... 4 Analisis Diskriminan... 4 KESIMPULAN... 5 SARAN... 5 DAFTAR PUSTAKA... 5
8 viii DAFTAR TABEL Halaman 1. Tabel Kesalahan Klasifikasi Tabel Keterangan Peubah Bebas Hasil Uji Kehomogenan Matriks Koragam Tabel Kesalahan Klasifikasi Diskriminan Linear Tabel Kesalahan Klasifikasi Diskriminan Kuadratik Klasik Tabel Kesalahan Klasifikasi Diskriminan Kuadratik dengan Penduga MCD DAFTAR GAMBAR Halaman 1. Persentase Kelompok Awal Divre Plot Kuantil Khi-Kuadrat... 4 DAFTAR LAMPIRAN Halaman 1. Daftar Divre Kelompok Awal Hasil Uji Kesamaan Vektor Rataan Identifikasi Pencilan Anggota Himpunan Divre Hasil dari Algoritma FAST-MCD Rumus Skor Diskriminan Kuadratik dengan Penduga MCD Pengelompokan Divre dengan Analisis Diskriminan Perbandingan Kesalahan Klasifikasi Amatan Pada Setiap Metode... 13
9 1 PENDAHULUAN Latar Belakang Kebutuhan pangan perlu diupayakan ketersediaannya dalam jumlah yang cukup, mutu yang layak, aman dikonsumsi, dan mudah diperoleh dengan harga yang terjangkau oleh seluruh lapisan masyarakat. Hal tersebut merupakan tugas yang harus dijalankan Perum BULOG guna mengendalikan kebutuhan pangan di Indonesia. Perum BULOG terdiri dari 26 Divisi Regional (Divre), yang masing-masing Divre bertugas untuk mengontrol kebutuhan pangan khususnya beras di daerahnya masing-masing. Keseimbangan antara ketersediaan dan penyaluran beras perlu mendapat perhatian yang lebih dengan mempertimbangkan karakteristik produksi dan konsumsi beras tiap daerah. Produksi beras hanya terjadi pada musim tertentu di beberapa daerah produsen, sedangkan konsumsi relatif stabil sepanjang tahun. Selama ini BULOG telah membagi Divre menjadi tiga kelompok yaitu, Divre surplus, Divre mandiri dan Divre defisit. Divre surplus merupakan Divisi Regional yang memiliki kelebihan stok beras untuk daerahnya sendiri. Divre mandiri merupakan Divisi Regional yang memiliki stok beras yang cukup untuk daerahnya sendiri. Divre defisit merupakan Divisi Regional yang kekurangan stok beras untuk daerahnya sendiri. BULOG perlu menggunakan teknik statistika untuk mengevaluasi kelompok Divre. Salah satu teknik statistika yang dapat digunakan untuk mengevaluasi kelompok Divre yaitu analisis diskriminan. Hasil dari uji kehomogenan matriks koragam menunjukan bahwa matriks koragam pada data tidak homogen, sehingga diperlukan analisis diskriminan kuadratik. Analisis diskriminan kuadratik didasarkan pada pendugaan vektor rataan dan matriks koragam yang tidak kekar terhadap pencilan. Penduga kekar MCD (Minimum Covariance Determinant) dapat mengatasi keberadaan amatan pencilan dalam data. BULOG diharapkan dapat menerapkan kebijakan secara tepat di setiap Divre dengan adanya pengklasifikasian ini. Tujuan Tujuan dari penelitian ini adalah melakukan analisis diskriminan kuadratik dengan penduga MCD untuk mengelompokan Divre Perum BULOG di seluruh Indonesia. TINJAUAN PUSTAKA Divisi Regional Perum BULOG Divisi Regional (Divre) Perum BULOG berperan penting dalam menjaga ketahanan pangan di daerahnya masing-masing. Sesuai dengan Instruksi Presiden Nomor 7 tahun 2009 tentang Kebijakan Perberasan, tugas publik Divre Perum BULOG yaitu melakukan pengadaan dan penyaluran beras. Pengadaan dilakukan dengan membeli beras petani dalam negeri maupun luar negeri, sedangkan penyaluran dilakukan untuk menjaga kestabilan harga beras di tingkat konsumen melalui penyaluran Raskin dan operasi pasar. Karakteristik yang secara umum dimiliki tiap Divre adalah: 1. Produksi padi (ton/tahun) adalah total produksi padi tiap daerah Divre berdasarkan luas baku sawah dan luas padi ladang pada tingkat teknologi tertentu. Indikator teknologi adalah produktivitas padi (ton/ha) dan indeks pertanaman padi (%/tahun) (Irawan 2005). 2. Pengadaan (stok) beras (ton/tahun) merupakan jumlah beras yang dapat disimpan oleh suatu Divre setiap tahun (Afrianto 2010). 3. Jumlah penduduk yang ditangani oleh setiap Divre. 4. Raskin (Beras Miskin) merupakan beras yang khusus diberikan pada rakyat miskin yang ada di tiap daerah Divre (ton/tahun). Analisis Diskriminan Analisis Diskriminan adalah teknik statistika yang digunakan untuk mengklasifikasikan individu atau objek ke dalam suatu kelompok berdasarkan kumpulan peubah-peubah penjelas (Dillon & Goldstein 1984). Kelompok kelompok yang terbentuk bersifat saling lepas artinya setiap amatan hanya dapat dimasukkan ke dalam salah satu kelompok saja. Ada dua asumsi utama yang perlu diperhatikan pada analisis diskriminan, yaitu: 1. Sejumlah p peubah penjelas diasumsikan menyebar normal ganda. 2. Matriks koragam berukuran pxp dari peubah-peubah bebas dalam setiap kelompok sama (homogen), apabila tidak homogen maka yang dibentuk adalah fungsi diskriminan kuadratik. Data dalam analisis diskriminan terbagi menjadi g kelompok yang terdiri dari p peubah penjelas dan n amatan ( = n). Masing-masing pengamatan dilambangkan
10 2 dengan x ij (i =1,...,n g ; j=1,...,p). Data untuk g kelompok yang menyebar normal ganda dengan vektor rataan μ dan matriks koragam memiliki fungsi kepekatan peluang 1 2 / dengan k = 1, 2,...,g. / Apabila biaya salah klasifikasi tiap kelompok homogen maka alokasikan x ke kelompok k jika ln ln p 2 ln 2π 1 2 ln 1 2 maxln (1) Skor diskriminan linear dibentuk berdasarkan matriks koragam antar kelompok yang homogen. Berdasarkan (1), skor diskriminan linear didefinisikan dengan ln. Observasi x akan termasuk ke dalam kelompok k jika skor diskriminan linear ( x) ( x) { k } d = max d ; k = 1,..., g k Apabila matriks koragam antar kelompok tidak homogen, skor yang dibentuk adalah skor diskriminan kuadratik (Johnson dan Winchern 1998). Sebuah observasi x akan termasuk dalam kelompok k jika skor diskriminan kuadratik Q Q dk ( x) = max { dk ( x ); k = 1,..., g }, dengan Q 1 1 t 1 dk x = ln Σk x μk Σk x μk + ln pk 2 2 ( ) ( ) ( ) ( ) matriks koragam dalam kelompok k vektor rataan dalam kelompok k. Penduga tak bias untuk dan k adalah k dan S k. Skor diskriminan kuadratik berdasarkan data sampel dihitung dengan formula: QMLE 1 1 t 1 d ( ) ln ( ) ( ) ln ( ˆ k x = Sk x xk Sk x xk + pk) 2 2 (2) akan tetapi, kedua penduga k dan S k sangat dipengaruhi oleh keberadaan amatan pencilan. Akibatnya, penduga yang dihasilkan menjadi tidak kekar, sehingga dan k harus diduga dengan penduga kekar. Salah satu metode yang dapat mengatasi amatan pencilan dalam data yaitu metode penduga MCD (Minimum Covariance Determinant) oleh Rousseeuw dan Driessen (1999). Penduga Kekar MCD Penduga kekar MCD dalam analisis diskriminan kuadratik menghasilkan proporsi salah pengelompokan yang lebih kecil bila dibandingkan dengan penduga kekar lainnya seperti S dan MWCD (Minimum Weighted Covariance Determinant) (Suryana 2008). Penduga MCD dihasilkan dari algoritma FAST-MCD (Rousseeuw dan Driessen 1999). MCD merupakan pasangan t(x) dan C(X) dari suatu sub sampel berukuran h pengamatan yang memiliki determinan matriks koragam terkecil. Batas selang sub-sampel h yaitu h 0 h n dengan h 0 = ((n+p+1)/2) (Rousseeuw dan Driessen 1999), min { det ( ( ) )}, 1,..., n MCD C X m =, m h dengan t ( x) 1 h xi h i = 1 h = 1 t C( X) = ( xi t( x) )( xi t( x) ) h 1 i= 1 Penduga MCD dengan algoritma FAST- MCD dilakukan dengan langkah-langkah sebagai berikut: a. Ambil sejumlah h 0 pengamatan yang berbeda. Sehingga dari n pengamatan akan dihasilkan himpunan baru dengan h 0 h n. Nilai h 0 yang optimal memenuhi (n + p + 1)/2. b. Definisikan himpunan pertama sebagai H 1. Berdasarkan himpunan H 1 hitung vektor rataan dan matriks koragam ( 1, S 1 ), selanjutnya hitung det(s 1 ). c. Definisikan himpunan kedua H 2. Berdasarkan himpunan H 1 hitung vektor rataan dan matriks koragam ( 2, S 2 ), selanjutnya hitung det(s 2 ). d. Bandingkan det(s 2 ) dengan det(s 1 ). Bila det(s 2 ) det(s 1 ) ulangi langkah pada poin c untuk himpunan berikutnya sampai dipenuhi kondisi det(s m+1 ) = det(s m ). e. Tetapkan anggota himpunan H m sebagai himpunan dengan determinan matriks koragam terkecil. f. Berdasarkan H m data selanjutnya diberi bobot w i t ( ) ( ) 1 jika = 0 jika lainnya 1 2 xi xm Sm xi x m χ p,0.975 (3)
11 3 g. Berdasarkan bobot pada (3), maka penduga MCD untuk kelompok ke k dihitung sebagai: x S MCD MCD = = n i= 1 n i= 1 n i= 1 w x i w w i i t ( x x )( x x ) i i MCD i MCD n i= 1 w 1 (4) Skor diskriminan kuadratik dengan menggunakan penduga kekar MCD diperoleh dengan menggantikan penduga vektor ratarata dan matriks koragam pada (2) dengan (4). Skor diskriminan kuadratik menjadi: d i t 1 ( x) = ln S ( x x ) S ( x x ) + ln ( pˆ ) QMCD k MCDk MCDk MCDk MCDk k Observasi x akan termasuk dalam kelompok k jika skor diskriminan kuadratik QMCD QMCD d x = max d x ; k = 1,..., g. k { k } ( ) ( ) Penduga Tingkat Kesalahan Klasifikasi Keputusan pengklasifikasian berdasarkan kriteria tertentu tidak selalu memiliki ketepatan yang sempurna. Tingkat kesalahan klasifikasi dapat dilihat menggunakan tabel kesalahan klasifikasi berikut : Tabel 1 Tabel Kesalahan Klasifikasi Hasil klasifikasi Kel Kel Kel Populasi yang seharusnya Kel 1 n 11 n 12 n 13 Kel 2 n 21 n 22 n 23 Kel 3 n 31 n 32 n 33 Apparent Error Rate (APER) didefinisikan sebagai nilai dari besar kecilnya jumlah observasi yang salah diklasifikasikan oleh fungsi klasifikasi (Johnson & Wichern 1998). APER dapat dihitung dengan menggunakan tabel klasifikasi yaitu: APER = N dengan (i j) Keterangan : N = Total seluruh amatan METODOLOGI Bahan Penelitian ini menggunakan data sekunder yang terdiri dari 26 amatan dengan empat peubah bebas. Data tersebut merupakan data tahun 2009 yang bersumber dari Perum BULOG. Berikut peubah-peubah yang digunakan: Tabel 2 Tabel Keterangan Peubah Bebas Peubah Keterangan X 1 Produksi beras (ton/tahun) X 2 Pengadaan (ton/tahun) X 3 Raskin (ton/tahun) Jumlah Penduduk (jiwa) X 4 Metode Tahap-tahap yang dilakukan dalam analisis ini adalah: 1. Melakukan eksplorasi data. 2. Melakukan uji kesamaan vektor rataan antar kelompok H 0 : μ 1 = μ 2 = μ 3 H 1 : μ 1 μ 2 μ 3 diharapkan dari uji ini adalah hipotesis nol ditolak, sehingga kita mempunyai informasi awal bahwa peubah yang sedang diteliti memang membedakan antar kelompok. 3. Melakukan uji kehomogenan matriks koragam dengan uji Box s M. 4. Menentukan pengelompokan menggunakan analisis diskriminan kuadratik dengan penduga kekar MCD. 5. Melakukan perhitungan tingkat kesalahan klasifikasi. 6. Menginterpretasi hasil yang diperoleh. HASIL DAN PEMBAHASAN Eksplorasi data Penentuan kelompok awal didasari oleh keputusan direksi Perum BULOG tahun 2009 tentang organisasi dan tata kerja Divre Perum BULOG. Keputusan tersebut menghasilkan klasifikasi Divre berdasarkan beban kerja di wilayahnya dalam arti jumlah pengadaan dan penyaluran beras yang harus dilakukannya. Kelompok awal Divre dapat dilihat pada Lampiran 1. Gambar 1 menunjukan persentase tiap kelompok awal Divre. Persentase Divre surplus sebesar 19%, Divre mandiri sebesar 39% dan Divre defisit sebesar 42%.
12 4 Defisit 42% Surplus 19% Mandiri 39% Gambar 1 Persentase Kelompok Awal Divre Uji Kenormalan Ganda Hasil uji kenormalan ganda dengan menggunakan plot kuantil khi-kuadrat menunjukan bahwa data menyebar normal ganda. Pada Gambar 2 plot kuantil khikuadrat cenderung membentuk garis lurus dan ada lebih dari 50% (69,23%) nilai 2 2 d i χ, sehingga data cenderung p, 0.50 menyebar normal ganda (Johnson dan Winchern 1998). Khi-kuadrat Jarak Mahalanobis Gambar 2 Plot Kuantil Khi-kuadrat Uji Kesamaan Vektor Rataan dan Uji Kehomogenan Matriks Koragam Hasil uji kesamaan vektor rataan pada Lampiran 2 menunjukan p-value tiap peubah kurang dari α (0,05), sehingga keempat peubah yang digunakan dianggap dapat membedakan ketiga kelompok Divre dengan baik. Uji box s M pada Tabel 3 menunjukan bahwa matriks koragam untuk ketiga kelompok berbeda nyata dengan signifikan kurang dari α (0,05) artinya matriks koragam antara kelompok tidak homogen. Tabel 3 Hasil Uji Kehomogenan Matriks Koragam Hasil Uji Box s M 129,79 Approx. 4,342 df1 20 F df2 631,27 Sig. 0, Analisis Diskriminan Data dengan matriks koragam tidak homogen tidak dapat diselesaikan menggunakan analisis diskriminan linear, sehingga diperlukan analisis diskriminan kuadratik. Tabel 4 menunjukan nilai APER atau tingkat rata-rata kesalahan klasifikasi pada analisis diskriminan linear sebesar 19%, dapat dikatakan skor diskriminan tersebut memiliki ketepatan klasifikasi sebesar 81%. Tabel 4 Tabel Kesalahan Klasifikasi Diskriminan Linear Hasil Klasifikasi % Surplus Mandiri Defisit Surplus % Mandiri % Defisit % Total % Penggunaan analisis diskriminan kuadratik memperoleh nilai APER sebesar 3,8% dengan ketepatan klasifikasi sebesar 96,2% pada Tabel 5. Hal ini menunjukan bahwa analisis diskriminan kuadratik lebih baik digunakan pada data yang mengandung matriks koragam tidak homogen. Tabel 5 Tabel Kesalahan Klasifikasi Diskriminan Kuadratik Klasik Hasil Klasifikasi % Surplus Mandiri Defisit Surplus % Mandiri % Defisit % Total ,8% Pengelompokan dengan analisis diskriminan kuadratik klasik akan tidak optimal pada data yang mengandung amatan pencilan. Algoritma FAST-MCD dapat mengidentifikasi amatan pencilan pada data. Selain itu, algoritma FAST-MCD juga dapat menghasilkan penduga MCD yang kekar terhadap pencilan. Hasil algoritma FAST- MCD pada Lampiran 3 menunjukan bahwa pada data terdapat amatan pencilan. Amatan yang diidentifikasi sebagai pencilan diberi bobot 0, sedangkan amatan yang bukan pencilan diberi bobot 1. Amatan yang termasuk pencilan yaitu Divre KALBAR, NTB, SUMBAR dan SUMUT. Penduga MCD dihasilkan dari 22 amatan yang bukan pencilan, sehingga diperoleh penduga yang kekar terhadap pencilan. Rumus skor diskriminan kuadratik dengan penduga MCD digunakan untuk
13 5 mengelompokan kembali seluruh amatan. Pada Lampiran 3 menunjukan bahwa 22 amatan yang bukan pencilan dapat dikelompokan dengan tepat, sedangkan amatan yang termasuk pencilan dikelompokan sesuai dengan hasil skor tersebut. Rumus skor diskriminan kuadratik dengan penduga MCD dapat dilihat pada Lampiran 4. Tabel 6 menunjukan bahwa kesalahan klasifikasi menggunakan analisis diskriminan kuadratik dengan penduga MCD sebesar 15,4%. Amatan yang salah klasifikasi merupakan amatan yang diidentifikasi sebagai pencilan. Analisis diskriminan kuadratik menggunakan penduga MCD dapat mengelompokan Divre dengan lebih tepat karena didasari oleh penduga yang kekar terhadap pencilan. Tabel 6 Tabel Kesalahan Klasifikasi Diskriminan Kuadratik dengan Penduga MCD Hasil Klasifikasi % Surplus Mandiri Defisit Surplus % Mandiri % Defisit ,2% Total ,4% Pemilihan analisis diskriminan terbaik dilakukan dengan melihat sejauh mana analisis yang dihasilkan dapat mengklasifikasikan amatan dengan tepat. Lampiran 5 menunjukan amatan yang salah klasifikasi pada tiap metode. Perbandingan amatan yang salah klasifikasi pada tiap metode dapat dilihat pada Lampiran 6. Hasil klasifikasi Divre dengan analisis diskriminan linear terdapat lima amatan yang dikelompokan menjadi kelompok defisit yaitu Divre Riau, Sumatera Selatan, Kalimantan Selatan, Sulawesi Utara dan NTB. Jika dilihat dari jumlah ketersediaan dan kebutuhan beras yang dimiliki tiap Divre, maka kelima Divre tersebut tidak layak dikelompokan menjadi defisit. Analisis diskriminan kuadratik klasik hanya terdapat satu amatan yang salah klasifikasi yaitu Divre Sulawesi Utara. Divre tersebut diklasifikasikan ke dalam kelompok defisit. Padahal Divre tersebut masih memiliki stok beras yang cukup untuk daerahnya sendiri, sehingga kurang layak dikatakan defisit. Analisis diskriminan kuadratik dengan penduga MCD menunjukan bahwa terdapat empat Divre yang dianggap sebagai pencilan. Keempat Divre tersebut yaitu Divre Sumatera Utara, Sumatera Barat, Kalimantan Barat dan NTB. Divre Sumatera Utara, Sumatera Barat dan NTB berubah kelompok dari kelompok mandiri menjadi kelompok surplus. Ketiga Divre tersebut layak dikatakan surplus karena memiliki stok beras yang lebih untuk daerahnya sendiri. Sedangkan Divre Kalimantan Barat layak menjadi kelompok mandiri karena stok beras yang dimilikinya memang cukup untuk daerahnya sendiri. KESIMPULAN Analisis diskriminan kuadratik dengan penduga MCD merupakan metode yang tepat digunakan untuk data yang mengandung amatan pencilan. Skor diskriminan kuadratik dengan penduga MCD dapat mengelompokan seluruh Divre dengan lebih baik bila dibandingkan dengan analisis diskriminan linear dan diskriminan kuadratik klasik. Hasil pengelompokan Divre menggunakan analisis diskriminan kuadratik dengan penduga MCD yaitu: Divre surplus: Sumatra Utara, Sumatra Barat, DKI Jakarta, Jawa Barat, Jawa Tengah, Jawa Timur, Sulawesi Selatan dan NTB. Divre mandiri: Aceh, Riau, Lampung, Sumatera Selatan, Kalimantan Selatan, Kalimantan Barat, Sulawesi Utara, NTT dan Papua. Divre defisit: Jambi, Bengkulu, Yogyakarta, Kalimantan Timur, Kalimantan Tengah, Sulawesi Tengah, Sulawesi Tenggara, Bali dan Maluku. SARAN Berdasarkan paparan metodologi dan pembahasan penelitian ini, terdapat beberapa saran anatara lain : 1. Sebaiknya dalam menentukan kelompok Divre, Perum BULOG perlu lebih memperhatikan karakteristik produksi beras di daerah Divre tersebut. 2. Perlu dilakukan kajian lanjutan dalam mengatasi amatan pencilan pada data agar pengelompokan Divre Perum BULOG dapat lebih optimal. DAFTAR PUSTAKA Afrianto D Analisis Pengaruh Stok Beras, Luas Panen, Rata-rata Produksi, Harga Beras, dan Jumlah Konsumsi Beras Terhadap Ketahanan Pangan di Jawa
14 Tengah [skipsi]. Semarang: Fakultas Ekonomi, Universitas Diponegoro. Dillon WR, Goldstein M Multivariate Analysis. New York : John Wiley & Sons. Irawan Analisis Ketersediaan Beras Nasional: Suatu Kajian Simulasi Pendekatan Sistem Dinamis. Bogor: Balai Penelitian Tanah. Johnson RA, Winchern DW Applied to Multivariate Analysis Sixth Edition. New York : John willey & Sons. Rousseeuw PJ, Driessen K Van A Fast Algorithm for the Minimum Covariance Determinant Estimator. Technometrics. Vol. 41, Suryana Perbandingan Kinerja Penaksir Kekar MCD dan MWCD dalam Analisis Diskriminan Kuadratik [Tesis]. Surabaya: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Surabaya. 6
15 LAMPIRAN 7
16 8 Lampiran 1 Daftar Divre Kelompok Awal Keterangan: 1 = Surplus 2 = Mandiri 3 = Defisit Divre Kelompok Awal ACEH 2 SUMUT 2 RIAU 2 SUMBAR 3 JAMBI 3 SUMSEL 2 BENGKULU 3 LAMPUNG 2 D.K.I. JAKARTA 1 JABAR 1 JATENG 1 YOGYAKARTA 3 JATIM 1 KALBAR 3 KALTIM 3 KALSEL 2 KALTENG 3 SULUT 2 SULTENG 3 SULTRA 3 SULSEL 1 BALI 3 N.T.B. 2 N.T.T. 2 MALUKU 3 PAPUA 2 Lampiran 2 Hasil Uji Kesamaan Vektor Rataan Uji Kesamaan Vektor Rataan Wilks' Lambda F df1 df2 Sig. produksi 0,33 22, ,00 pengadaan 0,34 22, ,00 raskin 0,38 18, ,00 penduduk 0,27 31, ,00
17 9 Lampiran 3 Analisis diskriminan kuadratik dengan penduga MCD n Divre Jarak Kelompok Kelompok Bobot kekar awal akhir 1 ACEH 0, JAMBI 1, KALTIM 2, SULUT 2, LAMPUNG 2, KALTENG 3, JABAR 3, JATENG 3, JATIM 3, SULSEL 3, D.K.I. JAKARTA 3, SUMSEL 3, BENGKULU 3, YOGYAKARTA 3, MALUKU 4, BALI 4, SULTRA 4, PAPUA 4, KALSEL 4, RIAU 4, N.T.T. 5, SULTENG 5, KALBAR 99, * 24 N.T.B. 170, * 25 SUMBAR 191, * 26 SUMUT 396, * Keterangan: (*) pencilan Lampiran 4 Rumus Skor Diskriminan Kuadratik dengan Penduga MCD d 1 = - 9,1E+12 x 1 2-6,9E+10 x 2 2-3E+10 x 3 2-8,7E+13 x 4 2-1,4E+12 x 1 x 2-1E+12 x 1 x 3-5E+13 x 1 x 4-7,6E+10 x 2 x 3-3,2E+12 x 2 x 4-3E+12 x 3 x 4 + 1,52E+21 x 1 + 9,77E+19 x 2 + 9,11E+19 x 3 + 5,23E+21 x 4-7,8E+28 d 2 = - 6E+11 x 1 2-1,5E+09 x 2 2-6,9E+08 x 3 2-2,7E+12 x 4 2-5,3E+10 x 1 x 2-1,9E+10 x 1 x 3-1,9E+12 x 1 x 4-1,6E+09 x 2 x 3-1E+11 x 2 x 4-5,9E+10 x 3 x 4 + 1,14E+19 x 1 + 5,99E+17 x 2 + 3,27E+17 x 3 + 2,99E+19 x 4-8,4E+25 d 3 = -3,3E+10 x 1 2-9,8E+07 x 2 2-3,5E+07 x 3 2-1,5E+11 x 4 2-1,6E+09 x 1 x 2 + 1,1E+09 x 1 x 3-8,7E+10 x 1 x 4-3,5E+07 x 2 x 3-4,3E+09 x 2 x 4 + 5,25E+08 x 3 x 4 + 2,61E+17 x 1 + 1,2E+16 x 2-2E+15 x 3 + 8,16E+17 x 4-1,1E+24 Keterangan: d k = skor diskriminan kuadratik kelompok ke k (k=1,2,3)
18 10 Lampiran 5 Pengelompokan Divre dengan Analisis Diskriminan Kelompok Divre BULOG ADL ADK ADK Kekar ACEH SUMUT * RIAU 2 3* 2 2 SUMBAR * JAMBI SUMSEL 2 3* 2 2 BENGKULU LAMPUNG JAKARTA JABAR JATENG YOGYAKARTA JATIM KALBAR * KALTIM KALSEL 2 3* 2 2 KALTENG SULUT 2 3* 3* 2 SULTENG SULTRA SULSEL BALI N.T.B. 2 3* 2 1* N.T.T MALUKU PAPUA Keterangan: (*) : Salah klasifikasi ADL : Analisis Diskriminan Linear ADK : Analisis Diskriminan Kuadratik ADK Kekar : Analisis Diskriminan Kuadratik dengan Penduga MCD
19 11 Lampiran 6 Perbandingan Kesalahan Klasifikasi Amatan Pada Setiap Metode Metode Diskriminan linear Disskriminan kuadratik klasik Diskriminan kuadratik kekar Divre Ketersediaan (ton) Kebutuhan (ton) Selisih Kelompok awal Kelompok akhir RIAU SUMSEL KALSEL SULUT N.T.B SULUT SUMUT SUMBAR KALBAR N.T.B
PENDUGA PENCILAN BOGOR 2013
PERBANDINGAN PENDUGA MINIMUM COVARIANCE DETERMINANT (MCD) DENGAN MAXIMUMM LIKELIHOOD ESTIMATION (MLE) PADA ANALISIS DISKRIMINANN UNTUK DATA YANG MENGANDUNGG PENCILAN TRI HARDI PUTRA DEPARTEMEN STATISTIK
Lebih terperinciLampiran 1. Pembangkitan Ukuran Data Kelompok dan Proporsi Pencilan
15 Lampiran 1. Pembangkitan Ukuran Data Kelompok dan Proporsi Pencilan Pencilan 5% 1 15% n=0 n=40 n=00 Kelompok (n1=10, n=10) (n1=0, n=0) (n1=100, n=100) n n* n n* n n* 1 10 0 0 0 100 0 10 0 0 0 100 0
Lebih terperinciMANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO
MANAJEMEN DATA PENCILAN PADA ANALISIS REGRESI KOMPONEN UTAMA MAGRI HANDOKO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011 RINGKASAN MAGRI HANDOKO. Manajemen
Lebih terperinciAnalisis Hasil Ujian Nasional Madrasah Tsanawiyah Tahun 2008
Analisis Hasil Ujian Nasional Madrasah Tsanawiyah Tahun 2008 Oleh : Asep Sjafrudin, M.Si 1. Pendahuluan 1.1. Latar Belakang Sebagai jenjang terakhir dalam program Wajib Belajar 9 Tahun Pendidikan Dasar
Lebih terperinciINDONESIA Percentage below / above median
National 1987 4.99 28169 35.9 Converted estimate 00421 National JAN-FEB 1989 5.00 14101 7.2 31.0 02371 5.00 498 8.4 38.0 Aceh 5.00 310 2.9 16.1 Bali 5.00 256 4.7 30.9 Bengkulu 5.00 423 5.9 30.0 DKI Jakarta
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 295-304 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN DISKRIMINAN KUADRATIK KLASIK DAN DISKRIMINAN KUADRATIK
Lebih terperinciEvaluasi Kegiatan TA 2016 dan Rancangan Kegiatan TA 2017 Ditjen Prasarana dan Sarana Pertanian *)
Evaluasi Kegiatan TA 2016 dan Rancangan Kegiatan TA 2017 Ditjen Prasarana dan Sarana Pertanian *) Oleh : Dr. Ir. Sumarjo Gatot Irianto, MS, DAA Direktur Jenderal Prasarana dan Sarana Pertanian *) Disampaikan
Lebih terperinciHASIL DAN PEMBAHASAN
6 HASIL DAN PEMBAHASAN Eksplorasi Data Gambaran dari peubah mata kuliah, IPK dan nilai Ujian Nasional yang ditata sesuai dengan mediannya disajikan sebagai boxplot dan diberikan pada Gambar. 9 3 Data 6
Lebih terperinciPOTRET PENDIDIKAN PROVINSI JAWA TENGAH (Indikator Makro)
POTRET PENDIDIKAN PROVINSI JAWA TENGAH (Indikator Makro) Pusat Data dan Statistik Pendidikan - Kebudayaan Setjen, Kemendikbud Jakarta, 2015 DAFTAR ISI A. Dua Konsep Pembahasan B. Potret IPM 2013 1. Nasional
Lebih terperinciWORKSHOP (MOBILITAS PESERTA DIDIK)
WORKSHOP (MOBILITAS PESERTA DIDIK) KONSEP 1 Masyarakat Anak Pendidikan Masyarakat Pendidikan Anak Pendekatan Sektor Multisektoral Multisektoral Peserta Didik Pendidikan Peserta Didik Sektoral Diagram Venn:
Lebih terperinciNAMA, LOKASI, ESELONISASI, KEDUDUKAN, DAN WILAYAH KERJA
2012, No.659 6 LAMPIRAN I PERATURAN MENTERI TENAGA KERJA DAN TRANSMIGRASI REPUBLIK INDONESIA NOMOR 11 TAHUN 2012 TENTANG PERUBAHAN KEDUA ATAS PERATURAN MENTERI TENAGA KERJA DAN TRANSMIGRASI NOMOR PER.07/MEN/IV/2011
Lebih terperinciC UN MURNI Tahun
C UN MURNI Tahun 2014 1 Nilai UN Murni SMP/MTs Tahun 2014 Nasional 0,23 Prov. Sulbar 1,07 0,84 PETA SEBARAN SEKOLAH HASIL UN MURNI, MENURUT KWADRAN Kwadran 2 Kwadran 3 Kwadran 1 Kwadran 4 PETA SEBARAN
Lebih terperinciPOTRET PENDIDIKAN PROVINSI SULAWESI BARAT (Indikator Makro)
POTRET PENDIDIKAN PROVINSI SULAWESI BARAT (Indikator Makro) Pusat Data dan Statistik Pendidikan - Kebudayaan Kemendikbud Jakarta, 2015 DAFTAR ISI A. Dua Konsep Pembahasan B. Potret IPM 2013 1. Nasional
Lebih terperinciNAMA, LOKASI, ESELONISASI, KEDUDUKAN, DAN WILAYAH KERJA. No Nama UPT Lokasi Eselon Kedudukan Wilayah Kerja. Bandung II.b DITJEN BINA LATTAS
5 LAMPIRAN I PERATURAN MENTERI TENAGA KERJA DAN TRANSMIGRASI REPUBLIK INDONESIA NOMOR 8 TAHUN 2013 TENTANG PERUBAHAN KETIGA ATAS PERATURAN MENTERI TENAGA KERJA DAN TRANSMIGRASI NOMOR PER.07/MEN/IV/2011
Lebih terperinciAnalisis Hasil Ujian Nasional Madrasah Aliyah Negeri Tahun 2008
Analisis Hasil Ujian Nasional Madrasah Aliyah Negeri Tahun 2008 Oleh : Asep Sjafrudin, M.Si 1. Pendahuluan 1.1. Latar Belakang Undang-Undang No. 20 tahun 2003 tentang Sistem Pendidikan Nasional (Sisdiknas)
Lebih terperinciINDEKS TENDENSI KONSUMEN (ITK) PROVINSI PAPUA TRIWULAN IV-2016
BADAN PUSAT STATISTIK PROVINSI PAPUA INDEKS TENDENSI KONSUMEN (ITK) PROVINSI PAPUA TRIWULAN A. Penjelasan Umum No. 11/02/94/Th. VII, 6 Februari 2017 Indeks Tendensi Konsumen (ITK) adalah indikator perkembangan
Lebih terperinciINDEKS TENDENSI KONSUMEN (ITK) PROVINSI PAPUA TRIWULAN I-2017
BADAN PUSAT STATISTIK PROVINSI PAPUA INDEKS TENDENSI KONSUMEN (ITK) PROVINSI PAPUA TRIWULAN I-2017 A. Penjelasan Umum 1. Indeks Tendensi Konsumen (ITK) I-2017 No. 27/05/94/Th. VII, 5 Mei 2017 Indeks Tendensi
Lebih terperinciPELAPORAN DATA STOCK GABAH DAN BERAS DI PENGGILINGAN. Badan Ketahanan Pangan Kementerian Pertanian Jakarta, 7 April 2016
PELAPORAN DATA STOCK GABAH DAN BERAS DI PENGGILINGAN Badan Ketahanan Pangan Kementerian Pertanian Jakarta, 7 April 2016 1 OUT LINE A. PENDAHULUAN B. STOK BERAS DAN SEBARANNYA C. HASIL MONITORING DAN PELAPORAN
Lebih terperinciAndalan Ketahanan Pangan
Andalan Ketahanan Pangan Disampaikan pada Workshop Pemantauan Stok Gabah/Beras di Tingkat Penggilingan Surabaya, 4-6 Juli 2012 KETAHANAN PANGAN UU. N0.7/1996 Tentang Pangan Adalah kondisi terpenuhinya
Lebih terperinciHASIL Ujian Nasional SMP - Sederajat. Tahun Ajaran 2013/2014
HASIL Ujian Nasional SMP - Sederajat Tahun Ajaran 213/21 Kementerian Pendidikan dan Kebudayaan Jakarta, 13 Juni 21 1 Ringkasan Hasil Akhir UN - SMP Tahun 213/21 Peserta UN 3.773.372 3.771.37 (99,9%) ya
Lebih terperinciINDEKS TENDENSI KONSUMEN PROVINSI LAMPUNG TRIWULAN III-2015 DAN PERKIRAAN TRIWULAN IV-2015
BPS PROVINSI LAMPUNG No. 10/11/18.Th.V, 5 November 2015 INDEKS TENDENSI KONSUMEN PROVINSI LAMPUNG TRIWULAN III-2015 DAN PERKIRAAN TRIWULAN IV-2015 INDEKS TENDENSI KONSUMEN LAMPUNG TRIWULAN III-2015 SEBESAR
Lebih terperinciPEMBIAYAAN KESEHATAN. Website:
PEMBIAYAAN KESEHATAN Pembiayaan Kesehatan Pembiayaan kesehatan adalah besarnya dana yang harus disediakan untuk menyelenggarakan dan atau memanfaatkan upaya kesehatan/memperbaiki keadaan kesehatan yang
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Hasil Eksplorasi Data Diagram kotak garis merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran, dan kemiringan pola sebaran. Gambaran
Lebih terperinciLAPORAN MINGGUAN DIREKTORAT PERLINDUNGAN TANAMAN PANGAN PERIODE 18 MEI 2018
LAPORAN MINGGUAN DIREKTORAERLINDUNGAN TANAMAN PANGAN PERIODE 18 MEI 2018 LUAS SERANGAN OPT UTAMA PADA TANAMAN PADI 1. LUAS SERANGAN OPT UTAMA PADA TANAMAN PADI MK 2018 2. LUAS SERANGAN OPT UTAMA PADA TANAMAN
Lebih terperinciForum Statistika dan Komputasi, Oktober 2009 p : ISSN :
, Oktober 2009 p : 26-34 ISSN : 0853-8115 Vol 14 No.2 METODE PENDUGAAN MATRIKS RAGAM-PERAGAM DALAM ANALISIS REGRESI KOMPONEN UTAMA (RKU) (Variance-Covariance Matrix Estimation Method for Principal Component
Lebih terperinciPropinsi Kelas 1 Kelas 2 Jumlah Sumut Sumbar Jambi Bengkulu Lampung
2.11.3.1. Santri Berdasarkan Kelas Pada Madrasah Diniyah Takmiliyah (Madin) Tingkat Ulya No Kelas 1 Kelas 2 1 Aceh 19 482 324 806 2 Sumut 3 Sumbar 1 7-7 4 Riau 5 Jambi 6 Sumsel 17 83 1.215 1.298 7 Bengkulu
Lebih terperinciBAB 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 terperinciINDEKS TENDENSI KONSUMEN PROVINSI LAMPUNG TRIWULAN I-2016 DAN PERKIRAAN TRIWULAN II-2016
BPS PROVINSI LAMPUNG No. 10/05/18/Th. VI, 4 Mei 2016 INDEKS TENDENSI KONSUMEN PROVINSI LAMPUNG TRIWULAN I-2016 DAN PERKIRAAN TRIWULAN II-2016 INDEKS TENDENSI KONSUMEN LAMPUNG TRIWULAN I-2016 SEBESAR 101,55
Lebih terperinciPOTRET PENDIDIKAN PROVINSI KEPULAUAN RIAU (Indikator Makro)
POTRET PENDIDIKAN PROVINSI KEPULAUAN RIAU (Indikator Makro) Pusat Data dan Statistik Pendidikan - Kebudayaan Setjen, Kemendikbud Jakarta, 2015 DAFTAR ISI A. Dua Konsep Pembahasan B. Potret IPM 2013 1.
Lebih terperinciINDEK KOMPETENSI SEKOLAH SMA/MA (Daya Serap UN Murni 2014)
F INDEK KOMPETENSI SEKOLAH SMA/MA (Daya Serap UN Murni 2014) Kemampuan Siswa dalam Menyerap Mata Pelajaran, dan dapat sebagai pendekatan melihat kompetensi Pendidik dalam menyampaikan mata pelajaran 1
Lebih terperinciPANDUAN PENGGUNAAN Aplikasi SIM Persampahan
PANDUAN PENGGUNAAN Aplikasi SIM Persampahan Subdit Pengelolaan Persampahan Direktorat Pengembangan PLP DIREKTORAT JENDRAL CIPTA KARYA KEMENTERIAN PEKERJAAN UMUM DAN PERUMAHAN RAKYAT Aplikasi SIM PERSAMPAHAN...(1)
Lebih terperinciBAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah
Lebih terperinciPENGGEROMBOLAN DUA TAHAP DESA-DESA DI JAWA TENGAH ALIFTA DIAH AYU RETNANI
PENGGEROMBOLAN DUA TAHAP DESA-DESA DI JAWA TENGAH ALIFTA DIAH AYU RETNANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2012 RINGKASAN ALIFTA DIAH AYU RETNANI.
Lebih terperinciPERTUMBUHAN, KEMISKINAN, DAN DISTRIBUSI PENDAPATAN
PERTUMBUHAN, KEMISKINAN, DAN DISTRIBUSI PENDAPATAN PERTUMBUHAN, KEMISKINAN, DAN DISTRIBUSI PENDAPATAN Pertumbuhan ekonomi Kemiskinan Distribusi pendapatan konsep konsep konsep ukuran ukuran Data-data Indonesia
Lebih terperinciVIII. PROSPEK PERMINTAAN PRODUK IKAN
185 VIII. PROSPEK PERMINTAAN PRODUK IKAN Ketersediaan produk perikanan secara berkelanjutan sangat diperlukan dalam usaha mendukung ketahanan pangan. Ketersediaan yang dimaksud adalah kondisi tersedianya
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN MARET 2017
PERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN MARET A. PERKEMBANGAN NILAI TUKAR PETANI NILAI TUKAR PETANI (NTP) BULAN MARET TURUN 1,20 PERSEN No. 20/04/63/Th.XXI, 3 April Pada Maret NTP
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 1 Perolehan suara PN, PA, dan PC menurut nasional pada pemilu 2004 dan 2009
11 HASIL DAN PEMBAHASAN Deskripsi data Berdasarkan bagian Latar Belakang di atas, pengelompokan parpol menurut asas dapat dikelompokan kedalam tiga kelompok parpol. Ketiga kelompok parpol tersebut adalah
Lebih terperinciDISTRIBUSI PROVINSI DI INDONESIA MENURUT DERAJAT KETAHANAN PANGAN RUMAH TANGGA
DISTRIBUSI PROVINSI DI INDONESIA MENURUT DERAJAT KETAHANAN PANGAN RUMAH TANGGA Handewi P.S. Rachman, Mewa Ariani, dan T.B. Purwantini Pusat Analisis Sosial Ekonomi dan Kebijakan Pertanian Jl. A. Yani No.
Lebih terperinciPEMETAAN DAN KAJIAN CEPAT
Tujuan dari pemetaan dan kajian cepat pemetaan dan kajian cepat prosentase keterwakilan perempuan dan peluang keterpilihan calon perempuan dalam Daftar Caleg Tetap (DCT) Pemilu 2014 adalah: untuk memberikan
Lebih terperinciBPS PROVINSI KALIMANTAN BARAT
BPS PROVINSI KALIMANTAN BARAT No. 28/ 05/ 61/ Th,XVI, 6 Mei 2013 INDEKS TENDENSI KONSUMEN KALIMANTAN BARAT TRIWULAN I- 2013 A. Kondisi Ekonomi Konsumen Triwulan I-2013 Indeks Tendensi Konsumen (ITK) Kalimantan
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN 4.1 Hasil Pengumpulan Data Data yang berhasil dikumpulkan dan akan digunakan pada penelitian ini merupakan data statistik yang diperoleh dari a. Biro Pusat Statistik (BPS)
Lebih terperinciDisabilitas. Website:
Disabilitas Konsep umum Setiap orang memiliki peran tertentu = bekerja dan melaksanakan kegiatan / aktivitas rutin yang diperlukan Tujuan Pemahaman utuh pengalaman hidup penduduk karena kondisi kesehatan
Lebih terperinciAKSES PELAYANAN KESEHATAN. Website:
AKSES PELAYANAN KESEHATAN Tujuan Mengetahui akses pelayanan kesehatan terdekat oleh rumah tangga dilihat dari : 1. Keberadaan fasilitas kesehatan 2. Moda transportasi 3. Waktu tempuh 4. Biaya transportasi
Lebih terperinciBAB I PENDAHULUAN. Sejak tahun 1970-an telah terjadi perubahan menuju desentralisasi di antara negaranegara,
BAB I PENDAHULUAN 1.1. LATAR BELAKANG Sejak tahun 1970-an telah terjadi perubahan menuju desentralisasi di antara negaranegara, baik negara ekonomi berkembang maupun negara ekonomi maju. Selain pergeseran
Lebih terperinciINDEKS TENDENSI KONSUMEN
No. 10/02/91 Th. VI, 6 Februari 2012 INDEKS TENDENSI KONSUMEN A. Penjelasan Umum Indeks Tendensi Konsumen (ITK) adalah indikator perkembangan ekonomi terkini yang dihasilkan Badan Pusat Statistik melalui
Lebih terperinciBPS PROVINSI KALIMANTAN BARAT
BPS PROVINSI KALIMANTAN BARAT No. 65 /11 /61 /Th. XVII, 5 November 2014 INDEKS TENDENSI KONSUMEN KALIMANTAN BARAT TRIWULAN III- 2014 A. Kondisi Ekonomi Konsumen Triwulan III-2014 Indeks Tendensi Konsumen
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN APRIL 2016
PERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN APRIL A. PERKEMBANGAN NILAI TUKAR PETANI No. 24/05/63/Th.XIX, 2 Mei NILAI TUKAR PETANI (NTP) BULAN APRIL TURUN 0,14 PERSEN Pada NTP Kalimantan
Lebih terperinciPemanfaatan Hasil Ujian Nasional MTs untuk Perbaikan Akses dan Mutu Pendidikan
Pemanfaatan Hasil Ujian Nasional MTs untuk Perbaikan Akses dan Mutu Pendidikan Asep Sjafrudin, S.Si, M.Si Jenjang Madrasah Tsanawiyah/Sekolah Menengah Pertama (MTs/SMP) memiliki peranan yang sangat penting
Lebih terperinciKESEHATAN ANAK. Website:
KESEHATAN ANAK Jumlah Sampel dan Indikator Kesehatan Anak Status Kesehatan Anak Proporsi Berat Badan Lahir, 2010 dan 2013 *) *) Berdasarkan 52,6% sampel balita yang punya catatan Proporsi BBLR Menurut
Lebih terperinciINDEKS TENDENSI KONSUMEN PROVINSI LAMPUNG TRIWULAN IV-2016 DAN PERKIRAAN TRIWULAN I-2017
BPS PROVINSI LAMPUNG No. 10/02/18 TAHUN VII, 6 Februari 2017 INDEKS TENDENSI KONSUMEN PROVINSI LAMPUNG TRIWULAN IV-2016 DAN PERKIRAAN TRIWULAN I-2017 INDEKS TENDENSI KONSUMEN LAMPUNG TRIWULAN IV-2016 SEBESAR
Lebih terperinciSISTEM INFORMASI MANAJEMEN TERPADU PENANGGULANGAN KEMISKINAN
SISTEM INFORMASI MANAJEMEN TERPADU PENANGGULANGAN KEMISKINAN DAFTAR ISI Kondisi Umum Program Kesehatan... 1 1. Jumlah Kematian Balita dan Ibu pada Masa Kehamilan, Persalinan atau NifasError! Bookmark not
Lebih terperinciPOTRET PENDIDIKAN PROVINSI JAWA TIMUR (Indikator Makro)
POTRET PENDIDIKAN PROVINSI JAWA TIMUR (Indikator Makro) Pusat Data dan Statistik Pendidikan - Kebudayaan Setjen, Kemendikbud Jakarta, 2015 DAFTAR ISI A. Dua Konsep Pembahasan B. Potret IPM 2013 1. Nasional
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN FEBRUARI 2016
PERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN FEBRUARI A. PERKEMBANGAN NILAI TUKAR PETANI No. 15/03/63/Th.XIX, 1 Maret NILAI TUKAR PETANI (NTP) BULAN FEBRUARI TURUN 0,22 PERSEN Pada NTP
Lebih terperinciBPS PROVINSI KALIMANTAN BARAT
BPS PROVINSI KALIMANTAN BARAT No. 45/08/61/Th. XV, 6 Agustus 2012 INDEKS TENDENSI KONSUMEN KALIMANTAN BARAT TRIWULAN II- 2012 Indeks Tendensi Konsumen (ITK) Kalimantan Barat pada II-2012 sebesar 109,62;
Lebih terperinciPERATURAN MENTERI PENDIDIKAN NASIONAL REPUBLIK INDONESIA NOMOR 7 TAHUN 2007 TENTANG ORGANISASI DAN TATA KERJA LEMBAGA PENJAMINAN MUTU PENDIDIKAN
PERATURAN MENTERI PENDIDIKAN NASIONAL REPUBLIK INDONESIA NOMOR 7 TAHUN 2007 TENTANG ORGANISASI DAN TATA KERJA LEMBAGA PENJAMINAN MUTU PENDIDIKAN DENGAN RAHMAT TUHAN YANG MAHA ESA MENTERI PENDIDIKAN NASIONAL,
Lebih terperinciINDEKS TENDENSI KONSUMEN PROVINSI LAMPUNG TRIWULAN II-2017 DAN PERKIRAAN TRIWULAN III-2017
BPS PROVINSI LAMPUNG No. 10/08/18/Th.VII, 7 Agustus 2017 INDEKS TENDENSI KONSUMEN PROVINSI LAMPUNG TRIWULAN II-2017 DAN PERKIRAAN TRIWULAN III-2017 INDEKS TENDENSI KONSUMEN LAMPUNG TRIWULAN II-2017 SEBESAR
Lebih terperinciHASIL DAN PEMBAHASAN Simulasi Kinerja Metode Kondisi Shift Outlier
17 HASIL DAN PEMBAHASAN Simulasi Perbandingan kinerja metode BICOV dan MCD dalam AKK melalui data simulasi dimaksudkan untuk mencari metode kekar yang memberikan nilai MSE paling minimum. Kinerja kedua
Lebih terperinciKEBIJAKAN LOKASI PROGRAM PERBAIKAN IRIGASI BERDASARKAN PELUANG PENINGKATAN INDEKS PERTANAMAN (IP) 1
KEBIJAKAN LOKASI PROGRAM PERBAIKAN IRIGASI BERDASARKAN PELUANG PENINGKATAN INDEKS PERTANAMAN (IP) 1 Sudi Mardianto, Ketut Kariyasa, dan Mohamad Maulana Pusat Penelitian dan Pengembangan Sosial Ekonomi
Lebih terperinciINDEKS TENDENSI KONSUMEN (ITK) PROVINSI PAPUA TRIWULAN I-2016
No. 25/05/94/Th. VI, 4 Mei 2016 INDEKS TENDENSI KONSUMEN (ITK) PROVINSI PAPUA TRIWULAN A. Penjelasan Umum Indeks Tendensi Konsumen (ITK) adalah indikator perkembangan ekonomi konsumen terkini yang dihasilkan
Lebih terperinci(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 terperinciMETODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE
METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2010 RINGKASAN
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN MEI 2017
NILAI TUKAR PETANI (NTP) BULAN MEI TURUN 0,06 PERSEN Pada Mei NTP Kalimantan Selatan tercatat 96,67 atau turun 0,06 persen dibanding NTP April yang mencapai 96,73. Turunnya NTP ini disebabkan indeks harga
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN APRIL 2017
No. 24/05/63/Th.XXI, 2 Mei PERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN APRIL A. PERKEMBANGAN NILAI TUKAR PETANI NILAI TUKAR PETANI (NTP) BULAN APRIL TURUN 0,67 PERSEN Pada April NTP
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI (NTP) PROVINSI PAPUA BULAN FEBRUARI 2014
No. 14 / 03 / 94 / Th. VII, 2 Maret 2015 PERKEMBANGAN NILAI TUKAR PETANI (NTP) PROVINSI PAPUA BULAN FEBRUARI 2014 Nilai Tukar Petani Papua pada Februari 2015 sebesar 97,12 atau mengalami kenaikan 0,32
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN JUNI 2016
PERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN JUNI A. PERKEMBANGAN NILAI TUKAR PETANI No. 36/07/63/Th.XIX, 1 Juli NILAI TUKAR PETANI (NTP) BULAN JUNI TURUN 0,18 PERSEN Pada NTP Kalimantan
Lebih terperinciSTATISTIK KETAHANAN PANGAN TAHUN 2013
STATISTIK KETAHANAN PANGAN TAHUN 2013 BADAN KETAHANAN PANGAN KEMENTERIAN PERTANIAN 2014 1 I. Aspek Ketersediaan dan Kerawanan Pangan Perkembangan Produksi Komoditas Pangan Penting Tahun 2009 2013 Komoditas
Lebih terperinciINDEKS TENDENSI BISNIS DAN INDEKS TENDENSI KONSUMEN TRIWULAN I-2013
BADAN PUSAT STATISTIK No. 34/05/Th. XVI, 6 Mei 2013 INDEKS TENDENSI BISNIS DAN INDEKS TENDENSI KONSUMEN TRIWULAN I-2013 KONDISI BISNIS DAN EKONOMI KONSUMEN MENINGKAT A. INDEKS TENDENSI BISNIS A. Penjelasan
Lebih terperinciDESKRIPTIF STATISTIK PONDOK PESANTREN DAN MADRASAH DINIYAH
DESKRIPTIF STATISTIK PONDOK PESANTREN DAN MADRASAH DINIYAH Deskriptif Statistik Pondok Pesantren dan Madrasah Diniyah Pendataan Pondok Pesantren dan Madrasah Diniyah Tahun 2007-2008 mencakup 33 propinsi,
Lebih terperinciInfo Singkat Kemiskinan dan Penanggulangan Kemiskinan
Info Singkat Kemiskinan dan Penanggulangan Kemiskinan http://simpadu-pk.bappenas.go.id 137448.622 1419265.7 148849.838 1548271.878 1614198.418 1784.239 1789143.87 18967.83 199946.591 294358.9 2222986.856
Lebih terperinciKATA PENGANTAR Publikasi Statistik Harga Produsen Sektor Pertanian tahun 1996-2000 merupakan kelanjutan dari seri publikasi sebelumnya, yang diterbitkan oleh Badan Pusat Statistik setiap tahunnya. Mulai
Lebih terperinciNAMA, LOKASI, ESELONISASI, KEDUDUKAN, DAN WILAYAH KERJA
5 LAMPIRAN I TRANSMIGRASI REPUBLIK INDONESIA NOMOR 4 TAHUN 2012 TENTANG PERUBAHAN ATAS TRANSMIGRASI NOMOR PER.07/MEN/IV/2011 TENTANG ORGANISASI DAN TATA KERJA UNIT PELAKSANA TEKNIS DI LINGKUNGAN KEMENTERIAN
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN AGUSTUS 2011
No. 46 /09/63/Th.XV, 5 September 2011 PERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN AGUSTUS 2011 A. PERKEMBANGAN NILAI TUKAR PETANI NILAI TUKAR PETANI ( NTP) AGUSTUS 2011 SEBESAR 108,22
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN FEBRUARI 2017
PERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN FEBRUARI 2017 A. PERKEMBANGAN NILAI TUKAR PETANI NILAI TUKAR PETANI (NTP) BULAN FEBRUARI 2017 NAIK 0,33 PERSEN No. 16/03/63/Th.XXI, 1 Maret
Lebih terperinciVI. ARAH PENGEMBANGAN PERTANIAN BEDASARKAN KESESUAIAN LAHAN
VI. ARAH PENGEMBANGAN PERTANIAN BEDASARKAN KESESUAIAN LAHAN Pada bab V telah dibahas potensi dan kesesuaian lahan untuk seluruh komoditas pertanian berdasarkan pewilayahan komoditas secara nasional (Puslitbangtanak,
Lebih terperinci4.01. Jumlah Lembaga Pada PTAIN dan PTAIS Tahun Akademik 2011/2012
4.01. Jumlah Lembaga Pada PTAIN dan PTAIS Jumlah Lembaga No. Provinsi PTAIN PTAIS Jumlah 1. Aceh 3 20 23 2. Sumut 2 40 42 3. Sumbar 3 19 22 4. Riau 1 22 23 5. Jambi 2 15 17 6. sumsel 1 13 14 7. Bengkulu
Lebih terperinciINDEKS TENDENSI KONSUMEN PROVINSI LAMPUNG TRIWULAN I-2017 DAN PERKIRAAN TRIWULAN II-2017
BPS PROVINSI LAMPUNG No. 10/05/18/Th. VII, 5 Mei 2017 INDEKS TENDENSI KONSUMEN PROVINSI LAMPUNG TRIWULAN I-2017 DAN PERKIRAAN TRIWULAN II-2017 INDEKS TENDENSI KONSUMEN LAMPUNG TRIWULAN I-2017 SEBESAR 101,81
Lebih terperinci, 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 terperinciDESKRIPTIF STATISTIK RA/BA/TA DAN MADRASAH
DESKRIPTIF STATISTIK RA/BA/TA DAN MADRASAH Deskriptif Statistik RA/BA/TA dan Madrasah (MI, MTs, dan MA) A. Lembaga Pendataan RA/BA/TA dan Madrasah (MI, MTs dan MA) Tahun Pelajaran 2007/2008 mencakup 33
Lebih terperinciNILAI TUKAR PETANI DAERAH ISTIMEWA YOGYAKARTA BULAN MEI 2016 SEBESAR 103,21
No. 32/06/34/Th.XVIII, 1 Juni 2016 NILAI TUKAR PETANI DAERAH ISTIMEWA YOGYAKARTA BULAN MEI 2016 SEBESAR 103,21 A. PERKEMBANGAN NILAI TUKAR PETANI 1. Nilai Tukar Petani (NTP) Pada Mei 2016, NTP Daerah Istimewa
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN AGUSTUS 2017
NILAI TUKAR PETANI (NTP) BULAN AGUSTUS SEBESAR 95,82 ATAU NAIK 0,44 PERSEN No. 51/09/63/Th.XXI, 4 September PERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN AGUSTUS A. PERKEMBANGAN NILAI
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN JANUARI 2016
No. 08/02/63/Th.XX, 1 Februari 2016 PERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN JANUARI 2016 A. PERKEMBANGAN NILAI TUKAR PETANI NILAI TUKAR PETANI (NTP) BULAN JANUARI 2016 NAIK 0,01
Lebih terperinciBERITA RESMI STATISTIK
Inflai BERITA RESMI STATISTIK BPS PROVINSI NUSA TENGGARA BARAT No. 74/11/52/Th VII, 7 November 2016 INDEKS TENDENSI KONSUMEN (ITK) TRIWULAN III-2016 A. Penjelasan Umum Indeks Tendensi Konsumen (ITK) adalah
Lebih terperinciPAGU SATUAN KERJA DITJEN BINA MARGA 2012
No Kode PAGU SATUAN KERJA DITJEN BINA MARGA 2012 Nama Satuan Kerja Pagu Dipa 1 4497035 DIREKTORAT BINA PROGRAM 68,891,505.00 2 4498620 PELAKSANAAN JALAN NASIONAL WILAYAH I PROVINSI JATENG 422,599,333.00
Lebih terperinciLampiran 1 WEBSITE BPD
Lampiran 1 WEBSITE BPD No Nama Bank Website 1 BPD Aceh www.bankaceh.co.id 2 BPD Bali www.bpdbali.co.id 3 BPD Bengkulu www.bankbengkulu.co.id 4 BPD DKI Jakarta www.bankdki.co.id 5 BPD Jambi www.bankjambi.co.id
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN JUNI 2017
NILAI TUKAR PETANI (NTP) BULAN JUNI SEBESAR 96,06 ATAU TURUN 0,64 PERSEN Pada Juni NTP Kalimantan Selatan tercatat 96,06 atau turun 0,64 persen dibanding NTP Mei yang mencapai 96,67. Turunnya NTP ini disebabkan
Lebih terperinciINDEKS TENDENSI BISNIS DAN INDEKS TENDENSI KONSUMEN TRIWULAN I-2015
BADAN PUSAT STATISTIK No. 46/05/Th. XVIII, 5 Mei 2015 INDEKS TENDENSI BISNIS DAN INDEKS TENDENSI KONSUMEN TRIWULAN I-2015 KONDISI BISNIS MENURUN NAMUN KONDISI EKONOMI KONSUMEN SEDIKIT MENINGKAT A. INDEKS
Lebih terperinciMemahami Arti Penting Mempelajari Studi Implementasi Kebijakan Publik
Kuliah 1 Memahami Arti Penting Mempelajari Studi Implementasi Kebijakan Publik 1 Implementasi Sebagai bagian dari proses/siklus kebijakan (part of the stage of the policy process). Sebagai suatu studi
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN MEI 2012
No. 32 /06/63/Th.XV, 1 Juni 2012 PERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN MEI 2012 A. PERKEMBANGAN NILAI TUKAR PETANI NILAI TUKAR PETANI ( NTP) BULAN MEI 2012 SEBESAR 108,29 ATAU
Lebih terperinciPERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN JANUARI 2017
PERKEMBANGAN NILAI TUKAR PETANI DAN HARGA PRODUSEN GABAH BULAN JANUARI 2017 A. PERKEMBANGAN NILAI TUKAR PETANI NILAI TUKAR PETANI (NTP) BULAN JANUARI 2017 NAIK 0,40 PERSEN No. 08/02/63/Th.XXI, 1 Februari
Lebih terperinciSubsistem Distribusi (Ketersediaan Pangan) Annis CA Iti R Nadhiroh Dini RA
Subsistem Distribusi (Ketersediaan Pangan) Annis CA Iti R Nadhiroh Dini RA Keadaan konsumsi --- Data konsumsi BPS (Susenas 3 th/ kali) Keadaan ketersediaan pngn pd tkt konsumsi --- Data ktsd Deptan + BPS
Lebih terperinciINDEKS TENDENSI KONSUMEN PROVINSI LAMPUNG TRIWULAN III-2016 DAN PERKIRAAN TRIWULAN IV-2016
BPS PROVINSI LAMPUNG No. 10/11/18/Th. VI, 7 November 2016 INDEKS TENDENSI KONSUMEN PROVINSI LAMPUNG TRIWULAN III-2016 DAN PERKIRAAN TRIWULAN IV-2016 INDEKS TENDENSI KONSUMEN LAMPUNG TRIWULAN III-2016 SEBESAR
Lebih terperinciPUSAT DISTRIBUSI DAN CADANGAN PANGAN BADAN KETAHANAN PANGAN RENCANA PENGEMBANGAN SISTEM DISTRIBUSI DAN STABILITAS HARGA PANGAN TAHUN 2015
PUSAT DISTRIBUSI DAN CADANGAN PANGAN BADAN KETAHANAN PANGAN RENCANA PENGEMBANGAN SISTEM DISTRIBUSI DAN STABILITAS HARGA PANGAN TAHUN 2015 Workshop Perencanaan Ketahanan Pangan Tingkat Nasional Tahun 2015
Lebih terperinciCEDERA. Website:
CEDERA Definisi Cedera Cedera merupakan kerusakan fisik pada tubuh manusia yang diakibatkan oleh kekuatan yang tidak dapat ditoleransi dan tidak dapat diduga sebelumnya Definisi operasional: Cedera yang
Lebih terperinciPerkembangan Nilai Tukar Petani Dan Harga Produsen Gabah Bulan Oktober 2017
No. 060/11/63/Th. XXI, 01 November 2017 Perkembangan Nilai Tukar Petani Dan Harga Produsen Gabah Bulan Oktober 2017 Nilai Tukar Petani (NTP) bulan Oktober 2017 sebesar 96,56 atau naik 0,49 persen. Pada
Lebih terperinciBERITA RESMI STATISTIK
Inflai BERITA RESMI STATISTIK BPS PROVINSI NUSA TENGGARA BARAT No. 13/02/52/Th VII, 6 Februari 2017 INDEKS TENDENSI KONSUMEN (ITK) TRIWULAN IV-2016 Penjelasan Umum Badan Pusat Statistik melakukan Survei
Lebih terperinciLAPORAN KINERJA DIREKTORAT JENDERAL TANAMAN PANGAN TRIWULAN III TAHUN 2017
LAPORAN KINERJA DIREKTORAT JENDERAL TANAMAN PANGAN TRIWULAN III TAHUN 2017 KEMENTERIAN PERTANIAN-RI DIREKTORAT JENDERAL TANAMAN PANGAN OKTOBER 2017 2017 Laporan Kinerja Triwulan III DAFTAR ISI KATA PENGANTAR
Lebih terperinciNILAI TUKAR PETANI DAERAH ISTIMEWA YOGYAKARTA BULAN APRIL 2016 SEBESAR 102,90
No. 24/05/34/Th.XVIII, 2 Mei 2016 NILAI TUKAR PETANI DAERAH ISTIMEWA YOGYAKARTA BULAN APRIL 2016 SEBESAR 102,90 A. PERKEMBANGAN NILAI TUKAR PETANI 1. Nilai Tukar Petani (NTP) Pada April 2016, NTP Daerah
Lebih terperinciI. PENDAHULUAN. Permintaan produk peternakan terus meningkat sebagai konsekuensi. adanya peningkatan jumlah penduduk, bertambahnya proporsi penduduk
13 I. PENDAHULUAN 1.1 Latar Belakang Permintaan produk peternakan terus meningkat sebagai konsekuensi adanya peningkatan jumlah penduduk, bertambahnya proporsi penduduk perkotaan, pendidikan dan pengetahuan
Lebih terperinciPOTRET KEMISKINAN DAN PENGANGGURAN DI PROVINSI KALIMANTAN TENGAH
POTRET KEMISKINAN DAN PENGANGGURAN DI PROVINSI KALIMANTAN TENGAH Rapat Koordinasi Penanggulangan Kemiskinan Provinsi Kalimantan Tengah 2015 Palangka Raya, 16Desember 2015 DR. Ir. Sukardi, M.Si Kepala BPS
Lebih terperinciKonferensi Pers. HASIL UN SMP - Sederajat Tahun Ajaran 2012/2013
Konferensi Pers HASIL UN SMP - Sederajat Tahun Ajaran 2012/2013 Kementerian Pendidikan dan Kebudayaan Jakarta, 31 Mei 2013 A Ringkasan SMP/MTs 2 Ringkasan Hasil Akhir UN - SMP/MTs Tahun 2012/2013 Peserta
Lebih terperinci