Jurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN
|
|
- Ida Wibowo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Ilmiah Widya Teknik Volume 6 Nomor 07 ISSN OPTIMASI FAKTOR YANG BERPENGARUH PADA KUALITAS LILIN DI UD.X DENGAN METODE RESPONSE SURFACE Maria Agnes Octaviani, Dian Retno Sari Dewi*, Luh Juni Asrini Jurusan Teknik Industri, Fakultas Teknik, Universitas Katolik Widya Mandala Surabaya, Jalan Kalijudan 7 Surabaya dianretnosd@yahoo.com ABSTRAK Response surface methodology adalah sekumpulan teknik matematika dan statistika yang berguna untuk menganalisis permasalahan dimana beberapa variabel independen mempengaruhi variabel respon dan bertujuan untuk mengoptimalkan respon. Desain eksperimen diperlukan untuk mengkombinasikan faktor dan level agar didapatkan kualitas lilin yang optimum. Faktor yang mempengaruhi kualitas lilin antara lain suhu peleburan (X ), suhu tuang stearic acid sebelum pencetakkan (X ), dan lamanya waktu pencetakkan (X ). Percobaan dengan struktur perlakuan faktorial dilaksanakan dalam tahap. Percobaan pertama dengan perluasan pada titik pusat digunakan untuk menduga model respons orde. Percobaan kedua adalah untuk menentukan daerah permukaan respons maksimum dengan menggunakan metode dakian tercuram. Percobaan ketiga menggunakan rancangan komposit pusat dengan sifat ketelitian seragam digunakan untuk menduga model permukaan respons orde. Penentuan kombinasi titik-titik stasioner untuk memperoleh permukaan respons maksimum diidentifikasi menggunakan analisis kanonik. Hasil penelitian menunjukkan model permukaan respons maksimum. Massa lilin maksimum yang diperoleh adalah sebesar 50,654 gram yang dihasilkan dari suhu peleburan o C, suhu tuang 66 o C, dengan waktu pencetakkan 47 menit. Kata kunci : desain eksperimen, response surface methodology, optimasi I. Pendahuluan Metode response surface adalah sekumpulan teknik matematika dan statistika yang berguna untuk menganalisis permasalahan dimana beberapa variabel independen mempengaruhi variabel respon dan bertujuan untuk mengoptimalkan respon (Montgomery, 009). Metode ini pertama kali diajukan sejak tahun 95 dan sampai saat ini telah banyak dimanfaatkan baik dalam dunia penelitian maupun aplikasi industri. UD. X merupakan salah satu badan usaha di Indonesia yang bergerak dalam bidang produksi lilin dengan bahan stearic acid. UD.X memproduksi lilin dengan ukuran diameter,5 cm dan tinggi hingga 6 cm. Dalam kali produksi, UD.X mengasilkan 5 buah lilin. Lilin hasil produksi dijual kepada hotel dan restoran di wilayah Surabaya dan sekitarnya. Permasalahan yang dihadapi UD. X adalah persentase lilin yang defect saat dilepas dari cetakan mencapai 5%. Proses pembuatan yang kurang tepat, membuat lilin yang dihasilkan UD.X berkualitas buruk, yakni berongga di tengah hingga mengakibatkan retak/patah. Faktor-faktor yang mempengaruhi kualitas lilin, antara lain komposisi bahan, suhu pemasakan, lama pemasakan, dan lamanya waktu pencetakkan (Kastanja,05). Respons yang akan diukur dalam penelitian ini adalah massa lilin. Semakin besar massa lilin, maka semakin baik kualitas lilin yang dihasilkan. Kualitas baik berarti tidak ada rongga udara di dalam lilin. Faktor yang digunakan dalam penelitian ini adalah suhu peleburan, suhu tuang stearic acid sebelum pencetakkan, dan lamanya waktu pencetakkan. Perlu dilakukan pencarian kombinasi faktor dan level yang lebih baik agar lilin tidak berongga. Dengan penerapan metode response surface nantinya dapat dihasilkan kombinasi level dan faktor optimal untuk proses produksi lilin di UD. X. Faktor yang digunakan dalam penelitian ini adalah suhu peleburan, suhu tuang sebelum pencetakkan, dan waktu pencetakkan. Sehingga dapat membantu untuk mereduksi jumlah defect produk lilin pada UD. X. II. Tinjauan Pustaka II.. Metode Permukaan Respons Indeks Metode permukaan respon atau response surface methodology merupakan gabungan dari teknik matematika dan statistika yang digunakan untuk membuat model dan menganalisa suatu respon y yang dipengaruhi oleh beberapa variabel bebas atau faktor x guna mengoptimalkan respon tersebut. Metode response surface bertujuan untuk mengoptimalkan respon (Montgomery, 009). Pada dasarnya analisis permukaan respons adalah serupa dengan analisis regresi yaitu menggunakan prosedur pendugaan parameter model fungsi respons berdasarkan metode kuadrat terkecil (Least Square Method). Perbedaannya dengan regresi linear adalah dalam analisis respons diperluas dengan menerapkan teknik-teknik matematika untuk menentukan titik-titik optimum agar dapat ditentukan respons yang optimum 9
2 (maksimum atau minimum). Untuk mempermudah dalam melakukan pendugaan model permukaan respons, variabel-variabel bebas diubah ke dalam bentuk variabel kode dengan rumus sebagai berikut (Gaspersz, 995): taraf X i mean taraf X i X i, i =,, jarak taraf X i II.. Rancangan Permukaan Respon Orde Bentuk hubungan linear merupakan bentuk hubungan yang dicobakan pertama kali karena merupakan bentuk hubungan yang paling sederhana. pendekatan fungsinya disebut model orde yang ditunjukkan pada persamaan kberikut (Montgomery, 005) : Y 0 i i X i dimana : Y = variabel dependen (respon) X i = faktor-faktor yang berpengaruh terhadap variabel respon, i =,,,k ε = komponen residual (error) Dalam melakukan pengujian ketepatan model orde, diperlukan data pengamatan yang berulang agar dapat dihitung kemurnian (pure error) dengan demikian uji simpangan dari model (lack of fit) dapat dilakukan. Data pengamatan yang berulang dilakukan pada titik pusat sehingga rancangan faktorial k disebut rancangan faktorial k dengan perluasan pada titik pusat. II.. Uji Ketidaksesuaian Model (uji lack of Fit) Apabila lack of fit tidak bermakna, maka model tepat. Apabila lack of fit bermakna, maka model tidak tepat sehingga perlu dikembangkan menjadi model dengan orde yang lebih tinggi, yaitu orde ke-. Uji lack of fit didasarkan pada analisis varian dengan hipotesis sebagai berikut (Mason, dkk, 00) : H 0 : model regresi cocok (tidak ada lack of fit H : model regresi tidak cocok (ada lack of fit) II.4. Metode Dakian Tercuram Langkah-langkah metode dakian tercuram adalah sebagai berikut (Montgomery, 005):. Menetapkan model fungsi respons ordo pertama sebagai berikut. Y 0 i X i. Asumsikan titik (X = 0, X = i0, dan X = 0) sebagai titik asal. Untuk bergerak sepanjang lintasan, dipilih ukuran langkah dasar, misalkan ΔX j. Selanjutnya pilih variabel bebas dengan mutlak koefisien regresi terbesar j.. Ukuran langkah untuk variabel bebas lainnya yang dinyatakan dalam variabel kode dapat ditentukan dengan rumus: i X i, i =,,,k ; i j ˆ j X j 4. Variabel asli untuk variabel kode ΔX i masing-masing adalah: i X i jarak taraf X i atau i X i jarak taraf X i Selanjutnya dilakukan analisis varian untuk mendeteksi ada atau tidaknya kelengkungan (curvature) pada model ordo pertama yang kedua. Jika terdapat kelengkungan, maka percobaan harus dilanjutkan untuk menduga model dengan ordo yang lebih tinggi. Adapun hipotesis uji kelengkungan adalah: 0 : ii 0 i H (tidak terdapat kelengkungan) : ii 0 i H (terdapat kelengkungan) II.5. Rancangan Permukaan Respon Orde k 0
3 Model polinomial orde antara variabel bebas dengan variabel respons dapat dinyatakan sebagai berikut (Gaspersz, 995) : k k y ˆ X ˆ ˆ X ˆ X X, i j 0 i i ii i i i i j ij i j Rancangan percobaan yang sering digunakan dalam menduga model orde adalah rancangan komposit pusat (Central Composite Design). Rancangan komposit dapat dipandang sebagai suatu rancangan faktorial k atau faktorial sebagian dimana terdapat taraf dari setiap variabel yang diberi kode sebagai - dan + serta diperluas dengan tambahan α berikut (Gaspersz, 995). α = ( k ) /4 II.6. Karakteristik Permukaan Respons Misalkan ingin didapatkan nilai x, x,,x k dengan mengoptimalkan respon yang diprediksikan. Jika nilainilai optimal ini ada, maka y pada persamaan (.) merupakan himpunan yang beranggotakan x, x,,x k sedemikian sehingga dapat dinyatakan dengan persamaan: y ˆ ˆ 0 x' b x' Bx Dari persamaan di atas, dapat disusun matrik b dan B dengan: ˆ x ˆ ˆ ˆ x' ˆ /... k / ˆ x b ˆ ˆ k ˆ /... k / B x k ˆ k ˆ ˆ k / ˆ k /... kk b merupakan vektor koefisien regresi orde berukuran k x, sedangkan B adalah matriks ordo k x k yang elemen diagonal utamanya merupakan koefisien kuadratik murni dari orde dan elemen-elemen lainnya adalah setengah dari koefisien interaksi X ix j (b ij, i j). Titik stasioner ditentukan menggunakan rumus : x s B b ; X s= (x. 0,x.0,,x k. 0) Persamaan untuk menentukan nilai dugaan respons pada titik stasioner adalah: yˆ ˆ 0 X s ' b Nilai terbaik / optimal variabel asli dari titik-titik stasioner adalah : Taraf X i.s = Δ i X i.s + ε i dimana : Δ i = selisih level pada faktor-i X i.s = nilai titik stasioner pada faktor-i ε i = nilai titik pusat pada faktor-i III. Metode Penelitian III.. Variabel Penelitian Variabel Bebas : a. Suhu maksimum peleburan, yang terdiri atas 70 o C dan 90 o C. Untuk meleburkan stearic acid diperlukan suhu minimum 68 o C (titik leleh stearic acid). b. Suhu penuangan stearic acid cair ke mesin cetakan, yang terdiri atas 5 ºC dan 60ºC. Suhu minimal untuk menuangkan adalah 50 ºC, jika dibawahnya maka stearic acid mulai menggumpal. c. Faktor Lamanya waktu pencetakan dalam mesin pembuat lilin. Waktu diubah-ubah dengan level 0 menit dan 50 menit. Waktu minimum pencetakan adalah 0 menit, jika lebih cepat, maka bagian tengah lilin masih cair. Variabel Respons : massa lilin. Variabel Terkendali : a. Menggunakan mesin pencetak lilin yang sama b. Merk stearic acid yang sama, yakni dengan konsentrasi 8% c. Membuat ukuran lilin yang sama, yakni diameter cm dengan tinggi 6 cm III.. Prosedur Penelitian Proses pembuatan lilin dilakukan sesuai rancangan faktorial dengan lima kali pengulangan pada titik pusat..
4 Tabel. Faktor dan level untuk rancangan eksperimen orde Variabel bebas Taraf Taraf 0 terendah tertiggi Suhu Peleburan Suhu Tuang Waktu Pencetakkan Saat stearic acid dilebur, termometer dicelupkan kedalam panci untuk mengetahui suhu peleburan. Sebelum stearic acid dituang kedalam cetakan, termometer dicelupkan kedalam panci untuk mengetahui suhu tuang. Lamanya waktu mencetak diukur dengan menggunakan stopwatch. Proses pembuatan lubang sumbu dilakukan 5 menit sebelum lilin dikeluarkan dari cetakan. Sampel lilin diambil secara random. Sampel lilin tersebut didiamkan selama minimum 4 jam agar lilin benar-benar padat. Sampel lilin diuji massanya dengan menggunakan neraca analitik. Secara sistematis, tahapan penelitian yang dilakukan seperti yang terlihat pada gambar. Gambar. Flowchart Metodologi Penelitian
5 IV. Hasil Penelitian dan Pembahasan IV.. Rancangan Permukaan Respons orde Tabel. Data hasil percobaan untuk menduga model orde setelah diberi Kode No X X X Y Estimasi koefisien regresi model orde maka diperoleh model regresi orde sebagai berikut: Y 48,477 0,508 X 0,07 X 0, 08 X Tabel. Analisis varian untuk respons orde Source DF Seq SS Adj MS F P Regression Linear X X X Residual Error Lack-of-Fit Pure Error Total.909 Berdasarkan hasil analisis varian diperoleh P value lack of fit sebesar 0,588, sehingga H 0 diterima. H 0 diterima berarti model regresi orde yang diperoleh adalah model yang sesuai (tidak ada lack of fit). IV.. Metode Dakian Tercuram Berdasarkan hasil percobaan dakian tercuram didapatkan daerah respons maksimal berada di sekitar titik-titik X =, X =,056, dan X = 0,4 bersesuaian dengan suhu peleburan 00 o C, suhu tuang 60 o C, dan waktu pencetakkan 44 menit. Selanjutnya dilakukan percobaan untuk menduga model orde yang kedua dengan titik-titik pusat yang baru. IV.. Rancangan Permukaan Respons Orde yang Kedua Tabel 4. Data Hasil Percobaan Model Orde yang Kedua No Suhu peleburan ( o C) Suhu penuangan ke mesin Waktu pencetakan (menit) Massa lilin (gram) ( o C)
6 maka diperoleh model regresi orde yang kedua sebagai berikut : Y 49,775 0,7507 X 0,607 X 0, 59 X Tabel 5. Analisis varian untuk respons orde yang kedua Source DF Seq SS Adj MS F P Regression Linear X X X Square Residual Error Lack-of-Fit Pure Error Total Uji kesesuaian model orde yang kedua menunjukkan P value lack of fit lebih kecil dari pada α (0,045 < 0,05) sehingga dapat disimpulkan bahwa terdapat lack of fit pada model. Uji kelengkungan menunjukkan nilai P value kelengkungan lebih kecil dari pada nilai α (0,0 < 0,05) artinya terdapat kelengkungan pada model orde yang kedua. Oleh karena terdapat lack of fit pada model orde dan kelengkungan berpengaruh signifikan pada model, maka analisis harus dilakukan pada model dengan orde sehingga dapat memaksimumkan hasil percobaan. IV.4. Rancangan Permukaan Respons Orde Rancangan ini dibentuk berdasarkan rancangan model orde pertama yang kedua dengan penambahan k titik pengamatan. Untuk k=, maka harus ditambahkan 6 titik pengamatan pada pusat dengan α = ( k ) /4 = ( ) /4 =,68. Titik pusat pada rancangan komposit pusat adalah titik pusat pada rancangan model orde yang kedua. Titik tersebut dalam bentuk variabel asli adalah X = 00, X = 60, dan X = 44. Titik lainya dalam bentuk variabel kode ditentukan dengan rumus sebagai berikut: taraf X 00 X 0 taraf X = 0 X + 00 untuk X =,68, maka taraf X = 0 (,68)+00 = 6,8 untuk X = -,68, maka taraf X = 0(-,68)+ 00 = 8,8 taraf X 60 X 4 taraf X = 4 X + 60 untuk X =,68, maka taraf X = 4 (,68)+60 = 66,78 untuk X = -,68, maka taraf X = 4(-,68)+ 60 = 5,7 taraf X 44 X 0 taraf X = 0 X + 44 untuk X =,68, maka taraf X = 0 (,68)+44 = 60,8 untuk X = -,68, maka taraf X = 0(-,68)+ 44 = 7,8 Tabel 6. Rancangan komposit pusat untuk menduga model orde No Suhu Suhu Lamanya Massa peleburan penuangan waktu lilin ( o C) ke mesin pencetakan (gram) ( o C) (menit)
7 maka diperoleh model regresi orde sebagai berikut : Y 49,7679 0,750X 0,54X 0,75X 0,80X 0,807X 0,484X 0,049X X 0,009X X 0,055X X Tabel 7. Analisis varian untuk respons orde Source DF Seq SS Adj MS F P Regression Residual Error Lack-of-Fit Pure Error Total Uji kesesuaian model orde menunjukkan P value lack of fit lebih besar dari pada α (0,08 >0,05) sehingga dapat disimpulkan bahwa tidak terdapat lack of fit pada model. Selain uji lack of fit pada model orde juga perlu dilakukan pemeriksaan asumsi galat (residual) meliputi uji kenormalan, independensi, dan homoskedastisitas varian galat. Plot normal residual menunjukkan titik-titik galat berada disekitar garis lurus, artinya galat mengikuti distribusi normal. Nilai statistik uji Kolmogorov-Smirnov diperoleh 0,. Nilai ini lebih kecil daripada nilai tabel pada uji dua arah ( = 0,05; n = 9) sebesar 0,0 sehingga dapat disimpulkan galat berdistribusi normal. Berdasarkan plot autokorelasi, semua lag berada dalam batas signifikansi (selang kepercayaan 95%), artinya tidak terdapat autokorelasi galat pada model orde sehingga asumsi independensi galat terpenuhi. Berdasarkan plot antara galat dengan variabel respons Y terlihat bahwa sebaran data tidak membentuk pola tertentu dan cenderung acak. Hal tersebut mengindikasikan bahwa galat memiliki varian yang homogen. Berdasarkan uji lack of fit dan pemeriksaan asumsi galat, model ordo kedua merupakan model yang sesuai untuk menggambarkan hasil percobaan. IV.5. Kondisi Optimum Pada Model Orde Titik-titik stasioner ditentukan dengan mengubah model ordo kedua ke dalam bentuk matriks sesuai persamaan berikut: Y ˆ ˆ 0 x' b x' Bx dimana: x 0,750 0,8 0, ,0046 x ' x, b 0,54, B 0, ,807 0,075, x 0,75 0,0046 0,075 0,484,55 0,49 0,08 B 0,49 5,55 0,48 0,08 0,48,070 Titik-titik stasioner ditentukan menggunakan persamaan berikut: x s B b 5
8 ,55 0,49 0,08 0,750 0,49 5,55 0, ,08 0,48,070 0,75,57,98 0,6,86,469 0,05 sehingga titik-titik stasioner model ordo kedua dalam bentuk variabel kode adalah: X.s =,86; X.s =,469; X.s = 0,05. Maka diperoleh nilai dugaan respons pada titik stasioner sebagai berikut: Yˆ ˆ 0 X s ' b 0,750 49,7679 +,86,469 0, ,75 49,7679+ (,8467) 49, ,94 50,69 gram Adapun variabel asli dari titik-titik stasioner adalah: taraf X.s = 0 X.s + 00 = 0 (,86) + 00 =,8609 o C taraf X.s = 4 X.s + 60 = 4 (,469) + 60 = 65, o C taraf X.s = 0 X.s + 44 = 0 (0,05) + 44 = 47,054 47menit IV.6. Contour Plot dan Surface Plot Berdasarkan model orde, dapat dibentuk lebih dari satu contour plot dan surface plot karena terdapat tiga variabel bebas yang mempengaruhi respons. Contour plot merepresentasikan garis-garis yang menunjukkan nilai respons (Ŷ ) dari nilai minimum hingga maksimum. Contour plot hubungan variabel X dan X terhadap respons berbentuk elips dan memanjang ke arah X, artinya respons sangat peka terhadap perubahan X dan tidak peka terhadap perubahan X. Respons (massa lilin) semakin meningkat seiring dengan meningkatnya X (suhu peleburan) dan X (suhu tuang). Massa lilin sebesar 50 gram atau lebih dicapai pada taraf 0 sampai dengan untuk X, sedangkan taraf -0,5 hiingga untuk X. Pada kondisi sebenarnya berarti suhu peleburan berada diantara 00 o C sampai 0 o C, sedangkan suhu tuang berada diantara 58 o C sampai 68 o C. Contour plot hubungan variabel X dan X terhadap respons berbentuk hampir bulat, menunjukkan respons sangat peka terhadap perubahan X maupun X (waktu pencetakkan). Massa lilin sebesar 50 gram atau lebih dicapai pada taraf 0,5 sampai dengan untuk X sedangkan untuk X massa lilin yang tinggi dicapai pada taraf - sampai +,5. Pada kondisi sebenarnya berarti suhu peleburan berada diantara 05 o C sampai 0 o C, sedangkan waktu pencetakkan berada diantara 4 menit sampai 59 menit. Sementara itu, contour plot hubungan variabel X dan X terhadap respons berbentuk elips dan memanjang ke arah X, artinya respons sangat peka terhadap perubahan X dan tidak peka terhadap perubahan X. Massa lilin sebesar 50 gram atau lebih dicapai pada taraf 0,5 sampai dengan untuk X dan pada taraf 0,5 sampai +,5 untuk X. Pada kondisi sebenarnya berarti suhu tuang berada diantara 58 o C sampai 68 o C, sedangkan waktu pencetakkan berada diantara 9 menit sampai 59 menit. Plot permukaan respons merepresentasikan nilai variabel bebas yang berada pada sumbu mendatar yang tegak lurus dengan respons. Ketiga plot permukaan berbentuk kurva setangkup, artinya plot permukaan tersebut merupakan plot dari titik-titik respons maksimum. Berdasarkan Contour plot dan plot permukaan respons dapat pula diketahui titik stasioner X.s =,86; X.s =,469; X.s = 0,05 masih berada dalam wilayah percobaan dan merupakan titik dari respons maksimum. Taraf-taraf pada titik stasioner bersesuaian dengan suhu peleburan 6
9 o C, suhu tuang 66 o C, dengan waktu pencetakkan 47 menit menghasilkan nilai dugaan respons massa lilin sebesar 50,69 gram. 7
10 V. Kesimpulan Berdasarkan hasil penelitian dan pembahasan, maka dapat diambil kesimpulan sebagai berikut:. Massa lilin maksimum yang diperoleh adalah sebesar 50,654 gram yang dihasilkan dari suhu peleburan o C, suhu tuang 66 o C, dengan waktu pencetakkan 47 menit.. Model permukaan respons maksimum pada massa lilin adalah: Y 49,7679 0,750X 0,54 X 0,75X 0,80 X 0,807 X 0,484 X 0,049 X X 0,009 X X 0,055 X X Daftar Pustaka. Meyers, Raymond H., Douglas C. Montgomery & Christine M. Anderson Cook, 009, Response Surface Methodology Process and Product Optimation Using Design Experiments, Third edition. New York: Wiley.. Montgomery, DC., 009, Design and Analysis of Experiment, 7 th Edition. New York: Wiley.. Prayogo, Veronika, 04, Optimalisasi faktor yang berpengaruh pada kekuatan lilin menahan beban dengan metode Response Surface, Universitas Katolik Widya Mandala Surabaya. 4. Kastanja, Dwight Marchel, 05, Aplikasi Metode Taguchi Untuk Mereduksi Jumlah Produk Cacatlilin Standar HAN 7 (Studi kasus : CV. Dwi Pelita Mas), Universitas Brawijaya Malang. 8
SKRIPSI OPTIMASI FAKTOR YANG BERPENGARUH PADA KUALITAS LILIN DI UD.X DENGAN METODE RESPONSE SURFACE
SKRIPSI OPTIMASI FAKTOR YANG BERPENGARUH PADA KUALITAS LILIN DI UD.X DENGAN METODE RESPONSE SURFACE Disusun Oleh : Maria Agnes Octaviani Tanuwardaja 5303012028 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS
Lebih terperinciOPTIMASI PROSES PEMBUATAN MOCAF (MODIFIED CASSAVA FLOUR) FERMENTASI SPONTAN MENGGUNAKAN RESPONSE SURFACE METHODOLOGY
OPTIMASI PROSES PEMBUATAN MOCAF (MODIFIED CASSAVA FLOUR) FERMENTASI SPONTAN MENGGUNAKAN RESPONSE SURFACE METHODOLOGY Disusun Oleh : George Kevin Wijaya 5303012009 FAKULTAS TEKNIK JURUSAN TEKNIK INDUSTRI
Lebih terperinciOPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran)
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 05, No. 2 (2016), hal 113 118. OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran) Eka Dian Rahmawati,
Lebih terperinciMatematika dan Statistika
ISSN 4-6669 Volume, Juni 0 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Model Permukaan Respon pada(4 3) MODEL PERMUKAAN RESPON PADA PERCOBAAN
Lebih terperinciDESAIN EKSPERIMEN & SIMULASI 5
DESAIN EKSPERIMEN & SIMULASI 5 (DS.1) OPTIMISASI RESPON EKSPERIMEN MENGGUNAKAN DESAIN BOX-BEHNKEN Budhi Handoko Staf Pengajar Jurusan Statistika FMIPA Unpad Email: budhihandoko@unpad.ac.id Abstrak Salah
Lebih terperinciSKRIPSI OPTIMALISASI FAKTOR-FAKTOR YANG BERPENGARUH PADA BEBAN LENTUR GENTENG BETON DENGAN METODE RESPONSE SURFACE (STUDI KASUS : DI UD.
SKRIPSI OPTIMALISASI FAKTOR-FAKTOR YANG BERPENGARUH PADA BEBAN LENTUR GENTENG BETON DENGAN METODE RESPONSE SURFACE (STUDI KASUS : DI UD. X, SIDOARJO) Disusun Oleh : AMSAL DWI NUGROHO 5303012014 JURUSAN
Lebih terperinciBAB III METODE PERMUKAAN RESPON. Pengkajian pada suatu proses atau sistem sering kali terfokus pada
BAB III METODE PERMUKAAN RESPON 3.1 Pendahuluan Pengkajian pada suatu proses atau sistem sering kali terfokus pada hubungan antara respon dan variabel masukannya (input). Tujuannya adalah untuk mengoptimalkan
Lebih terperinciOPTIMASI DENGAN METODE DAKIAN TERCURAM
OPTIMASI DENGAN METODE DAKIAN TERCURAM Marwan Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Syiah Kuala, Jln. Syekh Abdur Rauf No. 3 Darussalam, Banda Aceh 23111 email:
Lebih terperinciJurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika
Lebih terperinciSKRIPSI OPTIMASI KUAT TEKAN PAVING BLOCK DENGAN METODE RESPONSE SURFACE (STUDI KASUS : DI UD. X, SIDOARJO)
SKRIPSI OPTIMASI KUAT TEKAN PAVING BLOCK DENGAN METODE RESPONSE SURFACE (STUDI KASUS : DI UD. X, SIDOARJO) Disusun Oleh : RIKY YUDHA PRATAMA 5303013024 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS
Lebih terperinciAnalisis Model Regresi Linear Berganda dengan Metode Response Surface
Jurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
17 BAB TINJAUAN PUSTAKA Pada bab ini akan diuraikan teori dan metode yang digunakan untuk mendukung analisis data. Teori dan metode itu diantaranya adalah rancangan faktorial, analisis regresi dan metode
Lebih terperinciOPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE
JURNAL TEKNIK INDUSTRI VOL., NO., DESEEMBER 999: 8-29 OPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE Didik Wahjudi Dosen Fakultas Teknik, Jurusan Teknik Mesin Universitas Kristen
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kemajuan ilmu pengetahuan dan teknologi menuntut perubahan-perubahan yang melibatkan suatu penelitian atau percobaan pada berbagai bidang. Metode Statistik
Lebih terperinciPENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI
E-Jurnal Matematika Vol. 2, No.2, Mei 2013, 32-36 ISSN: 2303-1751 PENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI ADE KUSUMA DEWI 1, I WAYAN SUMARJAYA 2, I GUSTI AYU MADE SRINADI 3 1,2,3
Lebih terperinciAPLIKASI METODE RESPON PERMUKAAN DAN GOAL PROGRAMMING UNTUK OPTIMASI SIFAT FISIK DAN MEKANIK TABLET OBAT
APLIKASI METODE RESPON PERMUKAAN DAN GOAL PROGRAMMING UNTUK OPTIMASI SIFAT FISIK DAN MEKANIK TABLET OBAT Ivan Aris Nugroho 1) dan Abdullah Shahab 2) 1) Program Studi Magister Manajemen Teknologi, Institut
Lebih terperinci(D.2) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE. H. Sudartianto 3. Sri Winarni
Universitas Padjadjaran, November 00 (D.) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE Andry Ritonga H. Sudartianto Sri Winarni Mahasiswa Program Strata Jurusan Statistika FMIPA
Lebih terperinciSKRIPSI OPTIMALISASI FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEAUSAN PAVING BLOCK DENGAN METODE RESPONSE SURFACE (STUDI KASUS : DI UD.
SKRIPSI OPTIMALISASI FAKTOR-FAKTOR YANG MEMPENGARUHI TINGKAT KEAUSAN PAVING BLOCK DENGAN METODE RESPONSE SURFACE (STUDI KASUS : DI UD. XYZ) Disusun Oleh : Kevin Aprilio Kertajaya 5303013003 JURUSAN TEKNIK
Lebih terperinciOPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE Studi Kasus pada Perusahaan Injection Moulding
JURNAL TEKNIK INDUSTRI VOL. 4, NO., JUNI 2002: 36-44 OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE Studi Kasus pada Perusahaan Injection Moulding Jani Rahardjo Dosen Fakultas Teknologi Industri, Jurusan
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.
Lebih terperinciRekayasa Mutu Produksi Gate Valve di P.T. Barindo Anggun Industri *
Rekayasa Mutu Produksi Gate Valve di P.T. Barindo Anggun Industri (Didik Wahjudi) Rekayasa Mutu Produksi Gate Valve di P.T. Barindo Anggun Industri * Didik Wahjudi Dosen Fakultas Teknik, Jurusan Teknik
Lebih terperinciSKRIPSI PENENTUAN KOMPOSISI SEMEN DAN AIR UNTUK MENINGKATKAN KEKUATAN BEBAN LENTUR GENTENG BETON (STUDI KASUS : DI UD.
SKRIPSI PENENTUAN KOMPOSISI SEMEN DAN AIR UNTUK MENINGKATKAN KEKUATAN BEBAN LENTUR GENTENG BETON (STUDI KASUS : DI UD. X, SIDOARJO) Disusun Oleh : EZRA RIAN SOBARI 5303012004 JURUSAN TEKNIK INDUSTRI FAKULTAS
Lebih terperinciESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER
ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan
Lebih terperinciBAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,
BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi
Lebih terperinciOptimasi Parameter Pembubutan Terhadap Kekasaran Permukaan Produk
Jurnal Rekayasa Mesin Vol.4, No.3 Tahun 3: 77-8 ISSN 6-468X Optimasi Parameter Pembubutan Terhadap Kekasaran Permukaan Produk Franscisca Gayuh Utami Dewi, Femiana Gapsari Jurusan Teknik Mesin Fakultas
Lebih terperinciPenentuan Parameter Setting Mesin Pada Proses Corrugating
MediaTeknika Jurnal Teknologi Vol.11, No.1, Juni 2016 22 Sylvia Ongkowijoyo 1, Ig. Jaka Mulyana 2, Julius Mulyono 3 1,2,3 Jurusan Teknik Industri, Fakultas Teknik, Universitas Katolik Widya Mandala Surabaya,
Lebih terperinciMETODE PERMUKAAN RESPON DAN APLIKASINYA PADA OPTIMASI EKSPERIMEN KIMIA. Nuryanti *, Djati H Salimy **
Risalah Lokakarya Komputasi dalam Sains dan Teknologi Nuklir: 6-7 Agustus 8(373-39) METODE PERMUKAAN RESPON DAN APLIKASINYA PADA OPTIMASI EKSPERIMEN KIMIA Nuryanti *, Djati H Salimy ** ABSTRAK METODE PERMUKAAN
Lebih terperinciOptimasi Parameter Operasi Mesin Air Slip Forming untuk Meminimalkan Cacat Produk
JURNAL TEKNIK MESIN Vol. 1, No. 2, Oktober 1999 : 170-175 Optimasi Parameter Operasi Mesin Air Slip Forming untuk Meminimalkan Cacat Produk Didik Wahjudi Dosen Fakultas Teknik, Jurusan Teknik Mesin Universitas
Lebih terperinciOptimasi Parameter Proses Pemotongan Acrylic terhadap Kekasaran Permukaan Menggunakan Laser Cutting Dengan Metode Response Surface
Optimasi Parameter Proses Pemotongan Acrylic terhadap Kekasaran Permukaan Menggunakan Laser Cutting Dengan Metode Response Surface Moh. Muria Armansyah S. 1*, Endang Pudji Purwanti 2, dan Bayu Wiro Karuniawan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Bata beton (paving block) adalah suatu komposisi bahan bangunan yang dibuat dari campuran semen portland atau bahan perekat hidrolis sejenisnya, air dan agregat dengan
Lebih terperinciPENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL
PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL Prasetyo Universitas Negeri Malang E-mail : pras_kazekage@yahoo.com Pembimbing: (I) Ir. Hendro
Lebih terperinciMETODE RESPONSE SURFACE PADA PERCOBAAN FAKTORIAL 2 k
METODE RESPONSE SURFACE PADA PERCOBAAN FAKTORIAL 2 k SKRIPSI Oleh: RUTH SONANDA MARTASPICA J2E 006 034 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciBAB I PENDAHULUAN. 1.1.Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1.Latar Belakang dan Permasalahan Response Surface Methodology sudah dikenalkan oleh Box dan Wilson sejak tahun 1951. Dalam buku Design and Analysis of Experiment, Montgomerry (2001),
Lebih terperinciBAB II KAJIAN PUSTAKA. sehingga dapat diamati dan diidentifikasi alasan-alasan perubahan yang terjadi
BAB II KAJIAN PUSTAKA A. Rancangan Percobaan Rancangan percobaan dapat diartikan sebagai serangkaian uji dimana perubahan yang berarti dilakukan pada variabel dari suatu proses atau sistem sehingga dapat
Lebih terperinciBAB ΙΙ LANDASAN TEORI
7 BAB ΙΙ LANDASAN TEORI Berubahnya nilai suatu variabel tidak selalu terjadi dengan sendirinya, bisa saja berubahnya nilai suatu variabel disebabkan oleh adanya perubahan nilai pada variabel lain yang
Lebih terperinciIII. METODE PENELITIAN. Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian deskriptif. Definisi dari penelitian deskriptif adalah penelitian yang menggambarkan
Lebih terperinciAPLIKASI METODE RESPON SURFACE UNTUK OPTIMASI KUANTITAS SUSUT BOBOT BUAH MANGGIS. Abstrak
APLIKASI METODE RESPON SURFACE UNTUK OPTIMASI KUANTITAS SUSUT BOBOT BUAH MANGGIS Andriani Lubis 1*) 1) Fakultas Pertanian, Universitas Syiah Kuala, Banda Aceh, 23111 *) andriani_loebis@yahoo.com Abstrak
Lebih terperinciV. HASIL DAN PEMBAHASAN
V. HASIL DAN PEMBAHASAN A. Waktu dan Kecepatan Optimum Flavor C blended dibuat dengan mencampurkan flavor C Concentrat dan solvent pada perbandingan 1:9 menggunakan waktu dan kecepatan yang berbeda-beda
Lebih terperinciTINJAUAN PUSTAKA. Model Regresi Linier Ganda
TINJAUAN PUSTAKA Model Regresi Linier Ganda Hubungan antara y dan X dalam model regresi linier umum adalah y = X ß + e () dengan y merupakan vektor pengamatan pada peubah respon (peubah tak bebas) berukuran
Lebih terperinciTINJAUAN PUSTAKA. Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan
4 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Matriks 2.1.1 Matriks Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan dalam susunan itu disebut anggota dalam matriks tersebut. Suatu
Lebih terperinciSBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n
SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi
Lebih terperinciBAB III PERANCANGAN APLIKASI DAN PERCOBAAN METODA RESPONS PERMUKAAN
30 BAB III PERANCANGAN APLIKASI DAN PERCOBAAN METODA RESPONS PERMUKAAN 3.1 Perancangan Aplikasi 3.1.1 Gambaran Umum Perancangan Model program aplikasi yang dirancang akan digambarkan dengan menggunakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Populasi dan Sampel Populasi adalah kelompok besar individu yang mempunyai karakteristik umum yang sama atau kumpulan dari individu dengan kualitas serta ciri-ciri yang telah ditetapkan.
Lebih terperinciSTUDI BANDING PERFORMANCE MESIN HOT PRESS BERBASIS KONTROL RELAY DAN KONTROL PLC
PROPOSAL TUGAS AKHIR [ TM091476 ] OLEH : BOBY DWI HASTANA 2105100133 DOSEN PEMBIMBING : Ir. Sampurno, MT STUDI BANDING PERFORMANCE MESIN HOT PRESS BERBASIS KONTROL RELAY DAN KONTROL PLC LATAR BELAKANG
Lebih terperinciSKRIPSI. OPTIMASI SETTING MESIN CAMBERING PRODUK PARABOLIC LEAF SPRING DENGAN METODE RESPON SURFACE (Studi kasus : PT. XYZ.)
SKRIPSI OPTIMASI SETTING MESIN CAMBERING PRODUK PARABOLIC LEAF SPRING DENGAN METODE RESPON SURFACE (Studi kasus : PT. XYZ.) Disusun Oleh: Evelyn Dwi Lavinia (5303012007) JURUSAN TEKNIK INDUSTRI FAKULTAS
Lebih terperinciPERBAIKAN TINGKAT RASA DAN KEKENYALAN PADA JELLY DENGAN MENGGUNAKAN DESAIN EKSPERIMEN
Seminar Nasional IENACO 2014 ISSN 2337-4349 PERBAIKAN TINGKAT RASA DAN KEKENYALAN PADA JELLY DENGAN MENGGUNAKAN DESAIN EKSPERIMEN Maria Christine 1, Ig. Jaka Mulyana 2*, A.L. Maukar 1,2 Jurusan Teknik
Lebih terperinciREGRESI LINIER GANDA. Fitriani Agustina, Math, UPI
REGRESI LINIER GANDA 1 Pengertian Regresi Linier Ganda Merupakan metode yang digunakan untuk memodelkan hubungan linear antara variabel terikat dengan dua/lebih variabel bebas. Regresi linier untuk memprediksi
Lebih terperinciPenentuan Setting Parameter Pembuatan Botol DK 8251 B
Penentuan Setting Parameter Pembuatan Botol DK 8251 B Penentuan Setting Parameter Pembuatan Botol DK 8251 B pada Proses Blow Moulding dengan Menggunakan RSM (Response Surface Methodology) Studi Kasus di
Lebih terperinciBab 2 LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat
Bab 2 LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Variabel Penelitian Penelitian ini menggunakan satu definisi variabel operasional yaitu ratarata temperatur bumi periode tahun 1880 sampai dengan tahun 2012. 3.2 Jenis dan
Lebih terperinciBAB III METODE PENELITIAN. Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data
BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Objek dalam penelitian ini adalah Koperasi Jasa Keuangan Syariah Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data Tingkat Bagi Hasil
Lebih terperinciBab 2 LANDASAN TEORI
9 Bab 2 LANDASAN TEORI 21 Uji Kecukupan Sampel Dalam melakukan penelitian yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel Pengujian
Lebih terperinciPEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb.
JMP : Volume 3 Nomor 1, Juni 2011 PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER Agustini Tripena Br.Sb. Fakultas Sains dan Teknik, Universitas Jenderal Soedirman Purwokerto, Indonesia ABSTRAK.
Lebih terperinciJika terdapat k variabel bebas, x dan Y merupakan variabel tergantung, maka diperoleh model linier dari regresi berganda seperti rumus [3.1]. [3.
Analisis Regresi Analisis regresi merupakan salah satu alat statistika yang sangat populer digunakan user dalam mengolah data statistika. Analisis regresi digunakan untuk mengetahui hubungan satu atau
Lebih terperinciMODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan
MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA Kornelius Ronald Demu, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika FMIPA
Lebih terperinciBAB IV ANALISIS IMPLEMENTASI VARIASI MENGAJAR PADA MATA PELAJARAN FIQIH KELAS V DI MIS KERTIJAYAN
BAB IV ANALISIS IMPLEMENTASI VARIASI MENGAJAR PADA MATA PELAJARAN FIQIH KELAS V DI MIS KERTIJAYAN A. Analisis Pendahuluan Analisis pendahuluan merupakan tahap pengelompokan data yang dimasukkan ke dalam
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciAUTOKORELASI PADA BAGAN KENDALI
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 88 96 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND AUTOKORELASI PADA BAGAN KENDALI NILA CHOIROTUNNISA, MAIYASTRI, YUDIANTRI ASDI Program Studi Matematika,
Lebih terperinciBAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat
BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian
Lebih terperinciBAB I PENDAHULUAN. untuk membentuk model hubungan antara variabel dependen dengan satu atau
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciBAB 6 KESIMPULAN. X 1 = faktor kecepatan X 2 = faktor tekanan X 3 = faktor suhu. 0,4583 X 1 X 2, dimana:
BAB 6 KESIMPULAN 6.. Kesimpulan Dari penelitian yang telah dilakukan, maka kesimpulan yang diperoleh sebagai berikut:. Berdasarkan proses brainstorming, wawancara dan hasil penyebaran kuesioner awal diperoleh
Lebih terperinciPengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel
Statistika, Vol. 10 No. 2, 99 105 Nopember 2010 Pengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel Teti Sofia Yanti Program Studi Statistika Universitas Islam Bandung Email: buitet@yahoo.com
Lebih terperinciDidonwload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Pada bab sebelumnya telah dibahas rancangan faktorial secara umum, seringkali peneliti berhadapan pada rancangan yang melibatkan sejumlah faktor yang masing-masing faktor hanya terdiri
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Metode Permukaan Respon (Response Surface Methodology/RSM), pertama kali diperkenalkan oleh Box dan Wilson (1951), metode ini sering digunakan untuk mencari
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 21 Analisis Regresi Perubahan nilai suatu variabel tidak selalu terjadi dengan sendirinya, namun perubahan nilai variabel itu dapat disebabkan oleh berubahnya variabel lain yang berhubungan
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Hasil Penelitian 1. Statistik Deskriptif Statistik deskriptif menggambarkan tentang ringkasan data-data penelitian seperti jumlah data, rata-rata, nilai
Lebih terperinciPERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA
PERBANDINGAN METODE MCD-BOOTSTRAP DAN LAD- BOOTSTRAP DALAM MENGATASI PENGARUH PENCILAN PADA ANALISIS REGRESI LINEAR BERGANDA Ni Luh Putu Ratna Kumalasari 1, Ni Luh Putu Suciptawati 2,, Made Susilawati
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1. Sampel dan Data Penelitian 3.1.1. Sampel Teknik pengambilan sampel dilakukan dalam penelitian ini adalah metode purposive sampling yaitu teknik penentuan sampel dengan menetapkan
Lebih terperincidan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 6.
Regresi Linear Sederhana dan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi
Lebih terperinciMETODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciBAB II TINJAUAN PUSTAKA. Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi
BAB II TINJAUAN PUSTAKA Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi linear, metode kuadrat terkecil, restriksi linear, multikolinearitas, regresi ridge, uang primer, dan koefisien
Lebih terperinciOleh : Fuji Rahayu W ( )
Oleh : Fuji Rahayu W (1208 100 043) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2012 Indonesia sebagai negara maritim Penduduk Indonesia
Lebih terperinciUJI ASUMSI KLASIK (Uji Normalitas)
UJI ASUMSI KLASIK (Uji Normalitas) UJI ASUMSI KLASIK Uji Asumsi klasik adalah analisis yang dilakukan untuk menilai apakah di dalam sebuah model regresi linear Ordinary Least Square (OLS) terdapat masalah-masalah
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
43 III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciABSTRAK. Pada prakternya tolak ukur yang dapat dilihat oleh keberhasilan mahasiswa adalah
PEMODELAN PRESTASI MAHASISWA TERHADAP MATAKULIAH WAJIB DENGAN ANALISIS REGRESI Anik Rufaidah Program Studi Teknik Industri Sekolah Tinggi Teknik Qomaruddin Jalan Raya No. 01 Bungah Gresik 61152 Indonesia
Lebih terperinciPENGUJIAN HETEROSKEDASTISITAS PADA REGRESI EKSPONENSIAL DENGAN MENGGUNAKAN UJI PARK
PENGUJIAN HETEROSKEDASTISITAS PADA REGRESI EKSPONENSIAL DENGAN MENGGUNAKAN UJI PARK Asmin MM. 1, Saleh M., Islamiyati A. 3 Abstrak Model eksponensial merupakan regresi non linier yang dapat diubah bentuknya
Lebih terperinciREGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1)
REGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1) 1311105003 2) 1311106009 email: 1) riadhea0863@yahoo.co.id 2) febti08.10@gmail.com ABSTRAK Analisis regresi dalam statistika adalah
Lebih terperinci1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4.
* 1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4. Kecocokan Model Regresi 5. Korelasi Utriweni Mukhaiyar MA 2081 Statistika
Lebih terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
Lebih terperinciBAB II TINJAUAN PUSTAKA. keuntungan atau coumpouding. Dari definisi di atas dapat disimpulkan bahwa
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Investasi Menurut Fahmi dan Hadi (2009) investasi merupakan suatu bentuk pengelolaan dana guna memberikan keuntungan dengan cara menempatkan dana tersebut pada alokasi
Lebih terperinciPERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN
E-Jurnal Matematika Vol. 3, No.2 Mei 2014, 45-52 ISSN: 2303-1751 PERBANDINGAN REGRESI ROBUST PENDUGA MM DENGAN METODE RANDOM SAMPLE CONSENSUS DALAM MENANGANI PENCILAN NI PUTU NIA IRFAGUTAMI 1, I GUSTI
Lebih terperinciANALISIS REGRESI KUANTIL
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas
Lebih terperinciMODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR
UNIVERSITAS DIPONEGORO 01 ISBN: -0-1-0-1 MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR Alan Prahutama Dosen Jurusan Statistika Undip
Lebih terperinciAplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri
Vol. 6, No.1, 0-8, Juli 009 Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri Wahidah Sanusi Abstrak Penelitian ini dilakukan untuk mengestimasi model pertumbuhan
Lebih terperinciBAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
Lebih terperinciKAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN
Lebih terperinciBAB IV HASIL ANALISIS DAN PEMBAHASAN. berbatasan dengan Laut Jawa, Selatan dengan Samudra Indonesia, Timur dengan
BAB IV HASIL ANALISIS DAN PEMBAHASAN A. Deskripsi Sampel Provinsi Jawa Timur mempunyai 229 pulau dengan luas wilayah daratan sebesar 47.130,15 Km2 dan lautan seluas 110.764,28 Km2. Wilayah ini membentang
Lebih terperinciBAB II KAJIAN PUSTAKA. dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat
BAB II KAJIAN PUSTAKA 2.1 Konsep Dasar Runtun Waktu Data runtun waktu (time series) merupakan data yang dikumpulkan, dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat berupa
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tujuan Penelitian Berdasarkan kerangka teoritik yang telah dijelaskan pada Bab II maka tujuan penelitian yang hendak dicapai antara lain : 1. Memberikan bukti empiris baru
Lebih terperinciX 3 : Flow Top (Aliran Atas) (lt/min) X 4 : Speed (Kecepatan) (m/min)
Periode Maret 06, Samarinda, Indonesia ISBN: 978-60-7658--3 Pemilihan Model Regresi Linier Multivariat Terbaik Dengan Kriteria Mean Square Error Dan Akaike s Information Criterion Edriani Lestari, Rito
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan dalam rangka penyusunan skripsi sebagai salah satu persyaratan untuk menyelesaikan studi program Strata 1 (S1) jurusan
Lebih terperinciBAB III METODE PENELITIAN. dari situs resmi Bursa Efek Indonesia (BEI) yaitu Unit. tercatat di BEI pada tahun
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Tempat penelitian ini dilakukan di Jakarta dengan mengunduh data dari situs resmi Bursa Efek Indonesia (BEI) yaitu www.idx.co.id. Unit dalam penelitian
Lebih terperinciREGRESI LINEAR SEDERHANA
REGRESI LINEAR SEDERHANA DAN KORELASI 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi
Lebih terperinciPENERAPAN METODE TAGUCHI UNTUK OPTIMALISASI HASIL PRODUKSI ROTI DI USAHA ROTI MEYZA BAKERY, PADANG SUMATERA BARAT
Jurnal Matematika UNAND Vol. 5 No. 3 Hal. 122 130 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN METODE TAGUCHI UNTUK OPTIMALISASI HASIL PRODUKSI ROTI DI USAHA ROTI MEYZA BAKERY, PADANG SUMATERA
Lebih terperinciBAB III METODE PENELITIAN. Ruang lingkup penelitian ini adalah menganalisis pengaruh antara upah
40 BAB III METODE PENELITIAN A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini adalah menganalisis pengaruh antara upah minimum, Indeks Pembangunan Manusia (IPM), dan pengangguran terhadap tingkat
Lebih terperinci