REGRESI LANJUTAN RETNO DWI ANDAYANI, SP. MP
|
|
- Devi Jayadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 REGRESI LANJUTAN RETNO DWI ANDAYANI, SP. MP
2 REGRESI LANJUTAN Regresi Linier Berganda Regresi Kuadratik Regresi Kubik Analisis regresi dari RAL atau RAK
3 REGRESI LANJUTAN Regresi Linier Berganda Regresi Kuadratik Regresi Kubik Analisis regresi dari RAL atau RAK
4 REGRESI LINIER BERGANDA, KUADRATIK DAN KUBIK Linier Linier Berganda Kuadratik Kubik 1 variabel bebas (X) 1 variabel tak bebas (Y)
5 REGRESI LINIER BERGANDA, KUADRATIK DAN KUBIK Linier Linier Berganda Kuadratik Kubik 1 variabel bebas (X) 1 variabel tak bebas (Y) atau lebih variabel bebas (X) (X1, X, X3 dst) 1 variabel tak bebas (Y)
6 REGRESI LINIER BERGANDA, KUADRATIK DAN KUBIK Linier Linier Berganda Kuadratik Kubik 1 variabel bebas (X) 1 variabel tak bebas (Y) atau lebih variabel bebas (X) (X1, X, X3 dst) 1 variabel tak bebas (Y) perubahan pada Y diikuti dengan perubahan yang tidak tetap pada X dalam wilayah yang ditentukan
7 REGRESI LINIER BERGANDA, KUADRATIK DAN KUBIK Linier Linier Berganda Kuadratik Kubik 1 variabel bebas (X) 1 variabel tak bebas (Y) atau lebih variabel bebas (X) (X1, X, X3 dst) 1 variabel tak bebas (Y) perubahan pada Y diikuti dengan perubahan yang tidak tetap pada X dalam wilayah yang ditentukan perubahan pada Y diikuti dengan perubahan yang tidak tetap pada X dalam wilayah yang ditentukan
8 REGRESI LINIER BERGANDA, KUADRATIK DAN KUBIK Linier Linier Berganda Kuadratik Kubik 1 variabel bebas (X) 1 variabel tak bebas (Y) atau lebih variabel bebas (X) (X1, X, X3 dst) 1 variabel tak bebas (Y) perubahan pada Y diikuti dengan perubahan yang tidak tetap pada X dalam wilayah yang ditentukan perubahan pada Y diikuti dengan perubahan yang tidak tetap pada X dalam wilayah yang ditentukan Y = b0 + b1x
9 REGRESI LINIER BERGANDA, KUADRATIK DAN KUBIK Linier Linier Berganda Kuadratik Kubik 1 variabel bebas (X) 1 variabel tak bebas (Y) atau lebih variabel bebas (X) (X1, X, X3 dst) 1 variabel tak bebas (Y) perubahan pada Y diikuti dengan perubahan yang tidak tetap pada X dalam wilayah yang ditentukan perubahan pada Y diikuti dengan perubahan yang tidak tetap pada X dalam wilayah yang ditentukan Y = b0 + b1x Y = b0 + b1x1 + bx Y = b0 + b1x1 + bx + b3x3, dst
10 REGRESI LINIER BERGANDA, KUADRATIK DAN KUBIK Linier Linier Berganda Kuadratik Kubik 1 variabel bebas (X) 1 variabel tak bebas (Y) atau lebih variabel bebas (X) (X1, X, X3 dst) 1 variabel tak bebas (Y) perubahan pada Y diikuti dengan perubahan yang tidak tetap pada X dalam wilayah yang ditentukan perubahan pada Y diikuti dengan perubahan yang tidak tetap pada X dalam wilayah yang ditentukan Y = b0 + b1x Y = b0 + b1x1 + bx Y = b0 + b1x1 + bx + b3x3, dst Y = b0 + b1x + bx + dst
11 REGRESI LINIER BERGANDA, KUADRATIK DAN KUBIK Linier Linier Berganda Kuadratik Kubik 1 variabel bebas (X) 1 variabel tak bebas (Y) atau lebih variabel bebas (X) (X1, X, X3 dst) 1 variabel tak bebas (Y) perubahan pada Y diikuti dengan perubahan yang tidak tetap pada X dalam wilayah yang ditentukan perubahan pada Y diikuti dengan perubahan yang tidak tetap pada X dalam wilayah yang ditentukan Y = b0 + b1x Y = b0 + b1x1 + bx Y = b0 + b1x1 + bx + b3x3, dst Y = b0 + b1x + bx + dst Y = b0 + b1x + bx + b3x 3
12 REGRESI LINIER BERGANDA, KUADRATIK DAN KUBIK Linier Linier Berganda Chart Title 1, 1 0,8 0,6 0,4 0, 0 Chart Title , 1 0,8 0,6 0,4 0, #REF! #REF! #REF!
13 REGRESI LINIER BERGANDA, KUADRATIK DAN KUBIK Kuadratik Kubik o o o o o o o o o o o o o o o
14 CONTOH REGRESI LINIER BERGANDA No Var Produksi (Y) Tinggi Tan (X1) Jmlh anakan (X) 1 5, ,5 4,5 5, ,4 16,0 3 6, ,1 14,6 4 6, ,5 18, 5 6,730 93,6 65,4 6 6,750 84,1 17,6 7 6,889 77,8 17,9 8 7,86 75,6 19,4 Total Rerata
15 CONTOH REGRESI LINIER BERGANDA No Var Y X1 X YX1 YX X1X 1 5,76 110,50 4,50 5,94 105,40 16,00 3 6,01 118,10 14,60 4 6,55 104,50 18,0 5 6,73 93,60 65,40 6 6,75 84,10 17,60 7 6,89 77,80 17,90 8 7,86 75,60 19,40 Total Rerata
16 CONTOH REGRESI LINIER BERGANDA No Var Y X1 X YX1 YX X1X 1 5,76 110,50 4,50 5,94 105,40 16,00 3 6,01 118,10 14,60 4 6,55 104,50 18,0 5 6,73 93,60 65,40 6 6,75 84,10 17,60 7 6,89 77,80 17,90 8 7,86 75,60 19,40 Total 5,48 769,60 193,60 Rerata 6,56 96,0 4,0
17 CONTOH REGRESI LINIER BERGANDA No Var Y X1 X YX1 YX X1X 1 5,76 110,50 4,50 5,94 105,40 16,00 3 6,01 118,10 14,60 4 6,55 104,50 18,0 5 6,73 93,60 65,40 6 6,75 84,10 17,60 7 6,89 77,80 17,90 8 7,86 75,60 19,40 Total 5,48 769,60 193,60 Rerata 6,56 96,0 4,0
18 CONTOH REGRESI LINIER BERGANDA No Var Y X1 X YX1 YX X1X 1 5,76 110,50 4,50 635,93 5,94 105,40 16,00 65,97 3 6,01 118,10 14,60 709,78 4 6,55 104,50 18,0 683,95 5 6,73 93,60 65,40 69,93 6 6,75 84,10 17,60 567,68 7 6,89 77,80 17,90 535,96 8 7,86 75,60 19,40 594,37 Total 5,48 769,60 193, ,61 Rerata 6,56 96,0 4,0
19 CONTOH REGRESI LINIER BERGANDA No Var Y X1 X YX1 YX X1X 1 5,76 110,50 4,50 635,93 141,00 5,94 105,40 16,00 65,97 95,0 3 6,01 118,10 14,60 709,78 87,75 4 6,55 104,50 18,0 683,95 119,1 5 6,73 93,60 65,40 69,93 440,14 6 6,75 84,10 17,60 567,68 118,80 7 6,89 77,80 17,90 535,96 13,31 8 7,86 75,60 19,40 594,37 15,5 Total 5,48 769,60 193, , ,13 Rerata 6,56 96,0 4,0
20 CONTOH REGRESI LINIER BERGANDA No Var Y X1 X YX1 YX X1X 1 5,76 110,50 4,50 635,93 141,00 707,5 5,94 105,40 16,00 65,97 95,0 1686,40 3 6,01 118,10 14,60 709,78 87,75 174,6 4 6,55 104,50 18,0 683,95 119,1 1901,90 5 6,73 93,60 65,40 69,93 440,14 611,44 6 6,75 84,10 17,60 567,68 118, ,16 7 6,89 77,80 17,90 535,96 13,31 139,6 8 7,86 75,60 19,40 594,37 15,5 1466,64 Total 5,48 769,60 193, , , ,56 Rerata 6,56 96,0 4,0
21 CONTOH REGRESI LINIER BERGANDA Y X1 X YX1 YX X1X 1 5,76 110,50 4,50 635,93 141,00 707,5 5,94 105,40 16,00 65,97 95,0 1686,40 3 6,01 118,10 14,60 709,78 87,75 174,6 4 6,55 104,50 18,0 683,95 119,1 1901,90 5 6,73 93,60 65,40 69,93 440,14 611,44 6 6,75 84,10 17,60 567,68 118, ,16 7 6,89 77,80 17,90 535,96 13,31 139,6 8 7,86 75,60 19,40 594,37 15,5 1466,64 Total 5,48 769,60 193, , , ,56 Rerata 6,56 96,0 4,0 n X X x / ) ( ) ( n X X x / ) ( ) ( ) ( ) )( ( ) )( ( ) )( ( 1 x x x x y x x x y x x b ) ( ) )( ( ) )( ( ) )( ( x x x x y x x x y x x b X b X b Y b
22 CONTOH REGRESI LINIER BERGANDA Y X1 X YX1 YX X1X 1 5,76 110,50 4,50 635,93 141,00 707,5 5,94 105,40 16,00 65,97 95,0 1686,40 3 6,01 118,10 14,60 709,78 87,75 174,6 4 6,55 104,50 18,0 683,95 119,1 1901,90 5 6,73 93,60 65,40 69,93 440,14 611,44 b1 = -3,75 b = 150,7 b0 = 3,336 Y = b0 + b1x1 + bx Y = 3,336-3,75 x ,7 x 6 6,75 84,10 17,60 567,68 118, ,16 7 6,89 77,80 17,90 535,96 13,31 139,6 8 7,86 75,60 19,40 594,37 15,5 1466,64 Total 5,48 769,60 193, , , ,56 Rerata 6,56 96,0 4,0
23 CONTOH REGRESI LINIER BERGANDA Y X1 X YX1 YX X1X Total 5,48 769,60 193, , , ,56 Rerata 6,56 96,0 4,0 SK Db JK KT F hit buah b b1 x1y + b xy KT reg RK reg/rk sisa Sisa n-1- Sisa KT sisa Total n-i Y SK Db JK KT F hit Regresi 631, ,90 11,35 Sisa 5 579, ,94 F tabel 5% = 5,74 persamaan linier tersebut NYATA, artinya pengaruh linier kombinasi tinggi tanaman dan jumlah anakan memberikan kontribusi yang nyata thd keragaman produksi gabah Koefisien determinasi JKr/JKtotal = 0,8 Kesimpulan : sebanyak 8% total keragaman produksi dari 8 varietas padi tersebut dapat dihitung dengan fungsi linier berganda, dengan variabel tinggi tanaman dan jumlah anakan Total 7 311,56
24 CONTOH REGRESI LINIER BERGANDA CARA LANGSUNG DI EXCEL
25 CONTOH REGRESI KUADRATIK Y = b0 + b1x + bx CONTOH SOAL: DATA RESPON HASIL PADI PADA PEMUPUKAN N Nomor Pasangan Hasil Gabah (kg/ha) Y N (kg/ha) (X) Nomor Pasangan Hasil Gabah (kg/ha) Y N (kg/ha) (X) X 1 4, , , , , , , ,
26 CONTOH REGRESI KUADRATIK Y = b0 + b1x + bx Y = 549,54 78,65 X + 1,01 X Intercept 549,54 b0 N (kg/ha) (x) -78,65 b1 X 1,01 b ANOVA df SS MS F Significance F Regression , ,1487 Residual Total
27 CONTOH REGRESI KUBIK Y = b0 + b1x + bx + b3x 3 CONTOH SOAL: DATA RESPON HASIL PADI PADA PEMUPUKAN N Nomor Pasangan Hasil Gabah (kg/ha) Y N (kg/ha) (X) Nomor Pasangan Hasil Gabah (kg/ha) Y N (kg/ha) (x) X X 3 1 4, , , , , , , ,
28 CONTOH REGRESI KUBIK CARA LANGSUNG DI EXCEL
29 CONTOH REGRESI KUADRATIK Y = b0 + b1x + bx + b3x 3 Y = - 85, ,15 X -,5 X + 0,0 X 3 Intercept -85,91 b0 N (kg/ha) (x) 73,15 b1 X -,5 b X3 0,0 b3 df SS MS F Significance F Regression , , Residual , ,4 Total
30 REGRESI LANJUTAN Regresi Linier Berganda Regresi Kuadratik Regresi Kubik Analisis regresi dari RAL atau RAK
31 Asumsi dalam RAL Antar ulangan adalah homogen tidak ada keragaman antar ulangan. Dalam anova tidak ada sumber keragaman blok/ulangan Berlaku untuk ulangan sama dan ulangan tidak sama Jangan mengerjakan analisis regresi antar karakter tanaman (variabel pengamatan) tidak bermanfaat. Regresi adalah bentuk hubungan antara variabel bebas dengan variabel tak bebas. Dengan mengetahui model regresi dapat mengatur variabel bebas agar dapat mengendalikan variabel tak bebas. Karakter tanaman tidak dapat dikendalikan. Contoh jumlah daun tidak dapat dikendalikan untuk meningkatkan hasil Antar karakter tanaman korelasi Perlakuan adalah kuantitatif Perlakuan sebagai variabel bebas, karakter hasil sebagai variabel tidak bebas Data variabel bebas adalah nilai level-level perlakuan REGRESI DARI RAL Data variabel tak bebas (hasil) adalah rata-rata dari semua ulangan
32 CONTOH REGRESI DARI RAL Jumlah benih Produksi gabah (kg/ha) Jumlah Rata Variabel bebas Variabel tak bebas
33 CONTOH REGRESI DARI RAL Jumlah benih (X) Data ini sudah di analisis regresi. Variabel bebas adalah jumlah benih, dan variabel tak bebas rata-rata hasil gabah/ha. Model regresi sesuai hasil pendugaan model dengan RAL Hasil analisis. Rata Hasil
34 CONTOH REGRESI DARI RAL LINIER? Hubungan bobot benih dengan hasil gabah Hasil Gabah (kg/ha) y = - 4,8754x + 554,6 R = 0, Bobot benih (kg/ha)
35 CONTOH REGRESI DARI RAL KUADRATIK? Hubungan bobot benih dengan hasil gabah 5600 Hasil Gabah (kg/ha) y = -0,0309x + 0,546x + 536,6 R = 0, Bobot benih (kg/ha)
36 CONTOH REGRESI DARI RAL KUBIK? Hubungan bobot benih dengan hasil gabah 5600 Hasil Gabah (kg/ha) y = 0,008x 3-0,7533x + 55,049x R = 0, Bobot benih (kg/ha)
37 CARA MEMILIH REGRESI 1. JANGAN TERPAKU PADA NILAI R YANG TINGGI. TETAP LIHAT DIAGRAM PENCARNYA 3. CARI YANG SESUAI DENGAN DIAGRAM PENCAR DAN MEMILIKI NILAI R YANG TINGGI
38 REGRESI DARI RAK Asumsi dalam RAK Antar ulangan adalah heterogen terdapat ada keragaman antar ulangan. Dalam anova terdapat sumber keragaman blok/ulangan Secara teori ulangan harus nyata kalau ulangan tidak ada yang nyata berarti ada kesalahan pada penilaian heterogenitas lokasi Perlakuan adalah kuantitatif Perlakuan sebagai variabel bebas, karakter hasil sebagai variabel tidak bebas Data variabel bebas adalah nilai level-level perlakuan Penentuan data variabel tak bebas tergantung pada sumber keragaman ulangan/blok Apabila ulangan nyata : Data variabel tak bebas adalah data masing-masing ulangan, karena masing-masing ulangan memberikan pengaruh yang berbeda pada hasil. Apabila ulangan tidak nyata : Data veriabel tak bebas adalah rata-rata dari semua ulangan, atau sama dengan RAL
39 CONTOH REGRESI DARI RAK CONTOH : APABILA ULANGAN NYATA Jumlah benih Produksi gabah (kg/ha) Total Total
40 CONTOH REGRESI DARI RAK X Y X Y X Y Masing-masing nilai variabel bebas 4 variabel tak bebas Total n = 4 nilai Pada grafik regresi, setiap nilai variabel bebas akan mempunyai 4 titik variabel tak bebas
41 CONTOH REGRESI DARI RAK GRAFIK, DIAGRAM PENCAR. Grafik produksi gabah Hasil Gbah (ton/ha) Jumlah benih (kg/ha)
42 CONTOH REGRESI DARI RAK LINIER? Grafik produksi gabah Hasil Gabah (kg/ha) y = -3,537x + 545, R = 0, Jumlah benih (kg/ha)
43 CONTOH REGRESI DARI RAK KUADRATIK? Hasil Gabah (kg/ha) Grafik produksi gabah y = -0,0555x + 6,1888x + 491,5 R = 0, Jumlah benih (kg/ha)
44 CONTOH REGRESI DARI RAK KUBIK? Hasil Gabah (kg/ha) Grafik produksi gabah y = 0,0017x 3-0,4935x + 39,45x + 464,5 R = 0, Jumlah benih (kg/ha)
1. RANCANGAN ACAK LENGKAP Termasuk rancangan tanpa pengelompokan Perlakuan diatur dg pengacakan secara lengkap Semua satuan percobaan memiliki peluang
1. RANCANGAN ACAK LENGKAP Termasuk rancangan tanpa pengelompokan Perlakuan diatur dg pengacakan secara lengkap Semua satuan percobaan memiliki peluang yang sama Perbedaan yang muncul galat Tempat homogen
Lebih terperinciRegresi linier berganda Pada regresi linier sederhana variabel bebas (X) dan variabel tak bebas (Y) Regresi linier berganda : atau lebih variabel beba
Kuswanto-0 Regresi linier berganda Pada regresi linier sederhana variabel bebas (X) dan variabel tak bebas (Y) Regresi linier berganda : atau lebih variabel bebas (X, X,,Xn) variabel tak bebas (Y) Apabila
Lebih terperinciMateri Persyaratan analisis regresi dari rancangan percobaan Penentuan model regresi dengan ortogonal polinomial Dari rancangan acak lengkap Dari ranc
Kuswanto, 2012 Materi Persyaratan analisis regresi dari rancangan percobaan Penentuan model regresi dengan ortogonal polinomial Dari rancangan acak lengkap Dari rancangan acak kelompok Apabila ulangan/blok
Lebih terperinciRANCANGAN ACAK LENGKAP DAN UJI PERBANDINGAN. Disusun Oleh : Retno Dwi Andayani SP.,MP
RANCANGAN ACAK LENGKAP DAN UJI PERBANDINGAN Disusun Oleh : Retno Dwi Andayani SP.,MP Rancangan BAB 2 JENIS RANCANGAN DAN PENGGUNAANNYA Homogen Heterogen PERBEDAAN LINGKUNGAN HOMOGEN DAN HETEROGEN Homogen
Lebih terperinciKualitas Fitted Model
Kualitas Fitted Model Apakah model regresi sudah cukup pas mewakili data? Apakah model regresi cukup baik untuk model peramalan? Tebaran titik amatan / scatter plot y Mana di antara gambar gambar ini yang
Lebih terperinciKERAGAMAN KARAKTER TANAMAN
MODUL I KERAGAMAN KARAKTER TANAMAN 1.1 Latar Belakang Tujuan akhir program pemuliaan tanaman ialah untuk mendapatkan varietas unggul baru yang sesuai dengan preferensi petani dan konsumen. Varietas unggul
Lebih terperinciLAMPIRAN. Universitas Kristen Maranatha
LAMPIRAN Perhitungan yang dipakai dalam penelitian ini adalah dengan menggunakan analisis regresi dan analisis grafik. Seluruh perhitungan dilakukan dengan menggunakan program Statistik SPSS. Berikut ini
Lebih terperinciRANCANGAN ACAK LENGKAP DAN KELOMPOK FAKTORIAL. Disusun Oleh : Retno Dwi Andayani SP.,MP
RANCANGAN ACAK LENGKAP DAN KELOMPOK FAKTORIAL Disusun Oleh : Retno Dwi Andayani SP.,MP Rancangan BAB JENIS RANCANGAN DAN PENGGUNAANNYA Homogen 1 Faktor Lebih dari 1 Faktor Rancangan Acak Lengkap Rancangan
Lebih terperinciPENGENDALIAN VARIABEL PENGGANGGU / CONFOUNDING DENGAN ANALISIS KOVARIANS Oleh : Atik Mawarni
PENGENDALIAN VARIABEL PENGGANGGU / CONFOUNDING DENGAN ANALISIS KOVARIANS Oleh : Atik Mawarni Pendahuluan Dalam seluruh langkah penelitian, seorang peneliti perlu menjaga sebaik-baiknya agar hubungan yang
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 7 ANOVA (1)
STK511 Analisis Statistika Pertemuan 7 ANOVA (1) Metode Pengumpulan Data Metode Percobaan Memiliki keleluasaan untuk melakukan pengawasaan terhadap sumber-sumber keragaman data Dapat menciptakan jenis
Lebih terperinciAnalisis Regresi 2. Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda
Analisis Regresi Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda Tuuan Instruksional Khusus : Mahasiswa dapat menelaskan regresi linier sederhana dan berganda dan asumsi-asumsi yang mendasarinya
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. Deskripsi Data SD Nasima Semarang terletak di Jl. Puspanjolo Selatan No. 53 (024) 7601322, Semarang 50141, Jawa Tengah. Waktu penelitian dilakukan pada tahun 2016. Setelah melakukan
Lebih terperinciANALISIS REGRESI DAN KORELASI
ANALISIS REGRESI DAN KORELASI SEDERHANA LATAR BELAKANG Analisis regresi dan korelasi mengkaji dan mengukur keterkaitan seara statistik antara dua atau lebih variabel. Keterkaitan antara dua variabel regresi
Lebih terperinciPOKOK BAHASAN. : Peramalan (Forecasting) Bab II : Manajemen Proyek. Bab III : Manajemen Persediaan. Bab IV : Supply-Chain Management
MANAJEMEN OPERASI 1 POKOK BAHASAN Bab I : Peramalan (Forecasting) Bab II : Manajemen Proyek Bab III : Manajemen Persediaan Bab IV : Supply-Chain Management Bab V : Penetapan Harga (Pricing) 2 BAB I PERAMALAN
Lebih terperinciBAHAN DAN METODE. Tempat dan Waktu
BAHAN DAN METODE Tempat dan Waktu Penelitian dilaksanakan pada bulan Mei hingga Agustus 2009 di Kebun Karet Rakyat di Desa Sebapo, Kabupaten Muaro Jambi. Lokasi penelitian yang digunakan merupakan milik
Lebih terperinciBentuk khusus dari rancangan faktorial dimana kombinasi perlakuan tidak diacak secara sempurna terhadap unit-unit percobaan.
RANCANGAN FAKTORIAL SPLIT PLOT Diyan Herdiyantoro, SP., MSi. Laboratorium Biologi Tanah Jurusan Ilmu Tanah Fakultas Pertanian Universitas Padjadjaran 2013 Bentuk khusus dari rancangan faktorial dimana
Lebih terperinciPERANCANGAN PERCOBAAN
PERANCANGAN PERCOBAAN OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 PERCOBAAN SATU FAKTOR RANCANGAN ACAK LENGKAP ( R A L ) Percobaan Satu Faktor : Pengaruh Takaran Pupuk
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. independen dari listrik adalah satuan kilowatt (kwh), untuk minyak adalah
36 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Hasil Pengolahan Data Data yang diambil untuk varibel dependen adalah produk domestic bruto di Jakarta period 1995 2005 dalam satuan rupiah. Sedangkan variabel
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di lahan percobaan di Desa Luhu Kecamatan Telaga Kabupaten Gorontalo. Waktu penelitian dari bulan Maret sampai bulan
Lebih terperinciOLEH : WIJAYA. FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009
PERANCANGAN PERCOBAAN OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 PERCOBAAN SATU FAKTOR RANCANGAN ACAK LENGKAP ( R A L ) Percobaan Satu
Lebih terperinciHipotesis adalah suatu pernyataan tentang parameter suatu populasi.
PERTEMUAN 9-10 PENGUJIAN HIPOTESIS Hipotesis adalah suatu pernyataan tentang parameter suatu populasi. Apa itu parameter? Parameter adalah ukuran-ukuran. Rata-rata penghasilan karyawan di kota binjai adalah
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 10 Analisis Korelasi & Regresi (1)
STK511 Analisis Statistika Pertemuan 10 Analisis Korelasi & Regresi (1) Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran peubah Pemodelan Keterkaitan anang kurnia (anangk@apps.ipb.ac.id)
Lebih terperinciDependent VS independent variable
Kuswanto-2012 !" #!! $!! %! & '% Dependent VS independent variable Indep. Var. (X) Dep. Var (Y) Regression Equation Fertilizer doses Yield y = b0 + b1x Evaporation Rain fall y = b0+b1x+b2x 2 Sum of Leave
Lebih terperinciRancangan Acak Lengkap (RAL) Completely Randomized Design Atau Fully Randomized Design
Rancangan Acak Lengkap (RAL) Completely Randomized Design Atau Fully Randomized Design CIRI - CIRI R.A.L. : 1. Media atau bahan percobaan seragam (dapat dianggap se- ragam ) 2. Hanya ada satu sumber kera-
Lebih terperinciPerancangan dan Analisis Data Percobaan Pertanian. Sutoro BB BIOGEN
Perancangan dan Analisis Data Percobaan Pertanian Sutoro BB BIOGEN PRINSIP PERANCANGAN PERCOBAAN Ulangan (replication) Pengacakan (randomization) Pengendalian tempat percobaan (local control) Percobaan
Lebih terperinciMetode Statistika Pertemuan XII. Analisis Korelasi dan Regresi
Metode Statistika Pertemuan XII Analisis Korelasi dan Regresi Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran variabel Pemodelan Keterkaitan Relationship vs Causal Relationship
Lebih terperinciMata Kuliah: Statistik Inferensial
ANALISIS REGRESI DAN KORELASI BERGANDA OUTLINE Bagian I Statistik Induktif Metode dan Distribusi Sampling Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar Pengertian Bentuk Fungsi, Variabel, dan
Lebih terperinciB. Kontrol negatif C. Sediaan ekstrak pegagan D. Sediaan pegagan segar E. Sediaan air rebusan pegagan
Lampiran 1. Data Uji Statistik Tabel 1.1. Data dan analisis histologis pankreas tikus putih yang diinduksi aloksan monohidrat dengan berbagai bentuk sediaan pegagan (Centella asiatica (L.) Urban) dalam
Lebih terperinciFK = σ 2 g= KK =6.25 σ 2 P= 0.16 KVG= 5.79 Keterangan: * : nyata KVP= 8.53 tn : tidak nyata h= Universitas Sumatera Utara
Lampiran 1. Data pengamatan Waktu Berkecambah (Hari) BLOK PERLAKUAN I II III Total Rataan R0S0 4.00 4.00 4.00 12.00 4.00 R1S0 4.00 4.00 4.00 12.00 4.00 R2S0 5.25 5.25 4.75 15.25 5.08 R3S0 4.75 5.50 4.75
Lebih terperinciHAK CIPTA DILINDUNGI UNDANG-UNDANG
IV. BAHAN DAN METODE PENELITIAN 4.1. Waktu dan Tempat Percobaan Percobaan pendahuluan dilaksanakan pada bulan Juli 011 di Laboratorium Pasca Panen D3 Agribisnis, Fakultas Pertanian, dan Laboratorium Keteknikan
Lebih terperinciOLEH : WIJAYA. FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009
PERANCANGAN PERCOBAAN OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 I. ANALISIS REGRESI 1. 2. Regresi Linear : Regresi Linear Sederhana
Lebih terperinciAnalisis Regresi: Regresi Linear Berganda
Analisis Regresi: Regresi Linear Berganda Pengantar Pada sesi sebelumnya kita hanya menggunakan satu buah X, dengan model Y = b 0 + b 1 X 0 1 Dalam banyak hal, yang mempengaruhi X bisa lebih dari satu.
Lebih terperinciBAB 11 ANALISIS REGRESI LINIER BERGANDA
BAB 11 ANALISIS REGRESI LINIER BERGANDA Selain regresi linier sederhana, metode regresi yang juga banyak digunakan adalah regresi linier berganda. Regresi linier berganda digunakan untuk penelitian yang
Lebih terperinciBAB 2 LANDASAN TEORI
14 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Analisis Regresi Kata regresi (regression) diperkenalkan pertama kali oleh Francis Dalton pada tahun 1886. Menurut Dalton, analisis regresi berkenaan dengan studi
Lebih terperinciKISI-KISI SOAL UJIAN AKHIR
KISI-KISI SOAL UJIAN AKHIR Jurusan/Program Studi Mata Kuliah/Kode Mata Kuliah SKS/Semester Kurikulum yang diacu/dipergunakan Jumlah soal Bentuk soal : P.MIPA/Pendidikan Matematika : Pengolahan Data/GMA.206
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan : Regresi Linier dengan Dua Peubah Penjelas
Analisis Regresi Pokok Bahasan : Regresi Linier dengan Dua Peubah Penelas Penulisan model regresi linier berganda dengan notasi matriks Model Regresi Linier dengan peubah penelas Model Regresi Linier Berganda
Lebih terperinciAnalisis Regresi 1. Pokok Bahasan Pengujian pada Regresi Ganda
Analisis Regresi Pokok Bahasan Pengujian pada Regresi Ganda Model Regresi Linier Berganda Model Regresi Linier Berganda, dengan k peubah penjelas : Y β β X β X β X k k Parameter regresi sebanyak k+ diduga
Lebih terperinciREGRESI SEDERHANA/BIVARIAT. Statistik Psikologi Unita Werdi Rahajeng
REGRESI SEDERHANA/BIVARIAT Statistik Psikologi Unita Werdi Rahajeng www.unita.lecture.ub.ac.id Uji Regresi 1. Uji-hubungan regresi ditujukan untuk melakukan prediksi;. Tujuan ini sedikit berbeda dengan
Lebih terperinciAnalisis Korelasi dan Regresi. Dr. Kusman Sadik, M.Si Dept. Statistika IPB
Analisis Korelasi dan Regresi Dr. Kusman Sadik, M.Si Dept. Statistika IPB - 015 1 Hubungan Dua Peubah atau Lebih PEUBAH KASUS PENGUMPULAN DATA JENIS HUBUNGANNYA 1.Dosis pupuk.banyaknya padi yg dihasilkan
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Lebih terperinciLampiran 1. Tata Letak Wadah Penelitian
LAMPIRAN 40 Lampiran 1. Tata Letak Wadah Penelitian Keterangan : A B C D = Perlakuan konsentrasi larutan teh 0 gr/l = Perlakuan konsentrasi larutan teh 4 gr/l = Perlakuan konsentrasi larutan teh 6 gr/l
Lebih terperinciPRAKTIKUM RANCANGAN PERCOBAAN KATA PENGANTAR
PRAKTIKUM RANCANGAN PERCOBAAN 2012-2013 1 KATA PENGANTAR Buku ini dibuat untuk membantu mahasiswa dalam mempelajari, melilih dan melakukan prosedur analisis data berdasarkan rancangan percobaan yang telah
Lebih terperinciMata Kuliah: Statistik Inferensial
ANALISIS REGRESI DAN KORELASI LINIER 1 OUTLINE Bagian I Statistik Induktif Metode dan Distribusi Sampling Pengertian Korelasi Sederhana Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar Uji Signifikansi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu variabel yang
Lebih terperinciLampiran 1 Bagan alir penelitian
LAMPIRAN 17 Lampiran 1 Bagan alir penelitian Penyemaian benih galur BC 1 F 1 Isolasi DNA galur BC 1 F 1 Uji kualitatif dan kuantitatif DNA Analisis SSR Pemeliharaan tanaman hasil analisis SSR Pengamatan
Lebih terperinciRancangan Petak-petak Terbagi (RPPT)
Rancangan Petak-petak Terbagi (RPPT) Ade Setiawan 009 Rancangan Petak-Petak Terbagi (RPPT/Split-split Plot) merupakan perluasan dari Rancangan Petak Terbagi (RPT). Pada RPT kita hanya melakukan percobaan
Lebih terperinciLinier Regression. Statistik (MAM 4137) Ledhyane I. Harlyan
Linier Regression Statistik (MAM 4137) Ledhyane I. Harlyan TIK (TUJUAN INSTRUKSIONAL KHUSUS) Mahasiswa mampu melakukan analisis regresi sederhana dengan menggunakan metode kuadrat galat terkecil History
Lebih terperinciPERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian
1 2 PERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian MENGAPA PERLU DIRANCANG? Untuk mendapatkan penduga yang tidak berbias Untuk meningkatkan
Lebih terperinciANALISIS REGRESI 1. Pokok Bahasan : REGRESI LINIER SEDERHANA
ANALISIS REGRESI Pokok Bahasan : REGRESI LINIER SEDERHANA Deskripsi Model Macam-macam Model Regresi Model Regresi peubah penjelas > peubah penjelas Sederhana Berganda Linier Non Linier Linier Non Linier
Lebih terperinciESENSI, Vol. 19 No. 2 / 2016 PENINGKATAN PRODUKTIFITAS KERJA MELALUI PEMBERIAN INSENTIF DAN PEMENUHAN KEPUASAN KERJA KARYAWAN DIV. PEMASARAN PT.
ESENSI, Vol. 19 No. / 016 PENINGKATAN PRODUKTIFITAS KERJA MELALUI PEMBERIAN INSENTIF DAN PEMENUHAN KEPUASAN KERJA KARYAWAN DIV. PEMASARAN PT. XYZ Susi Adiawaty Institut Bisnis Nusantara Jl. D.I. Panjaitan
Lebih terperinciBAB IV DESKRIPSI DAN ANALISIS DATA
BAB IV DESKRIPSI DAN ANALISIS DATA A. Deskripsi Data Hasil Penelitian 1. Data tentang Intensitas Latihan Membaca Al-Qur an Siswa MTs Al-Khoiriyyah Semarang Tahun Pelajaran 2013/2014 Data tentang intensitas
Lebih terperinciPERANCANGAN PERCOBAAN
PE PERTEMUAN KE-3 DAN 5 PROFDRKRISHNA PURNAWAN CANDRA JURUSAN TEKNOLOGI HASIL PERTANIAN FAPERTA UNMUL 2016 Materi yang dibahas adalah: A Klasifikasi Rancangan Percobaan B Rancangan-rancangan Bergalat Tunggal
Lebih terperinciStatistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak
BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang
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 V ANALISIS TENTANG PENGARUH MENGIKUTI PENGAJIAN. Dalam bab ini diuraikan tentang data-data Pengaruh Mengikuti
66 66 BAB V ANALISIS TENTANG PENGARUH MENGIKUTI PENGAJIAN THARĪQAT TERHADAP PENGALAMAN SPIRITUAL PADA LANSIA Dalam bab ini diuraikan tentang data-data Pengaruh Mengikuti Pengajian Tharīqat, dan juga data-data
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Karakteristik tanaman padi yang akan dikaji dalam penelitian ini meliputi komponen hasil (jumlah malai per m 2, persen gabah isi, dan produktivitas) dan serapan hara (serapan total
Lebih terperinciBAHAN DAN METODE. Alat yang digunakan dalam penelitian ini meliputi: cangkul, parang, ajir,
BAHAN DAN METODE 3.1. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan dilahan percobaan Fakultas Pertanian dan Peternakan Universitas Islam Negeri Sultan Syarif Kasim Riau. Penelitian dilakukan
Lebih terperinciRegression. Fisheries Data Analysis Ledhyane I. Harlyan
Regression Fisheries Data Analysis Ledhyane I. Harlyan TIK (TUJUAN INSTRUKSIONAL KHUSUS) Mahasiswa mampu melakukan analisis regresi sederhana dengan menggunakan metode fit-by eye dan metode kuadrat terkecil
Lebih terperinciMATERI DAN METODE PENELITIAN
1 III. MATERI DAN METODE PENELITIAN A. Tempat dan Waktu Penelitian Penelitian ini dilaksanakan pada 01 Desember 015 sampai 31 Januari 016 di Rumah Pemotongan Hewan Sapi Jagalan, Surakarta, Jawa Tengah.
Lebih terperinciPERANCANGAN PERCOBAAN
PE PERTEMUAN KE-3 DAN 5 PROFDRKRISHNA PURNAWAN CANDRA JURUSAN TEKNOLOGI HASIL PERTANIAN FAPERTA UNMUL 016 Materi yang dibahas adalah: A Klasifikasi Rancangan Percobaan B Rancangan-rancangan Bergalat Tunggal
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Data yang telah berhasil diumpulan oleh penulis di BB BIOGEN diperoleh hasil bobot biji edelai dengan jumlah varietas yang aan diuji terdiri dari 15
Lebih terperinciPertemuan keenam ANALISIS REGRESI
Pertemuan keenam ANALISIS REGRESI Secara umum ada dua macam hubungan antara dua variable atau lebih, yaitu bentuk hubungan dan keeratan hubungan. Untuk mengetahui bentuk hubungan digunakan analisis regresi.
Lebih terperinciBAHAN DAN METODE. Waktu dan Tempat. Bahan dan Alat. Rancangan Penelitian
BAHAN DAN METODE Waktu dan Tempat Penelitian ini dilaksanakan pada bulan November 010 Maret 011, kecuali lokasi Sukabumi pada bulan Maret Juni 011. Tempat Penelitian dilaksanakan di 7 lokasi yaitu Bogor,
Lebih terperinciLAMPIRAN DATA. Lampiran 1. Contoh Lengkap Data Pengamatan Jumlah Daun (helai) Umur 1 MST Ulangan Perlakuan
LAMPIRAN DATA Lampiran 1. Contoh Lengkap Data Pengamatan Jumlah Daun (helai) Umur 1 MST Ulangan Total Rataan I II III U 1 F 0 4,000 4,000 3,000 11,000 3,667 U 1 F 1 4,000 4,000 4,000 12,000 4,000 U 1 F
Lebih terperinciDATA DAN METODE. Data
DATA DAN METODE Data Data yang digunakan dalam penelitian ini adalah data sekunder hasil percobaan padi varietas IR 64 yang dilaksanakan tahun 2002 pada dua musim (kemarau dan hujan). Lokasi penelitian
Lebih terperinciBAB IV. METODE PENELITIAN
BAB IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di Gapoktan Tani Bersama Desa Situ Udik Kecamatan Cibungbulang Kabupaten Bogor. Pemilihan lokasi dilakukan dengan cara
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Analisis Regresi Linier Analisis regresi merupakan teknik yang digunakan dalam persamaan matematik yang menyatakan hubungan fungsional antara variabel-variabel. Analisis regresi linier
Lebih terperinci2.1 Pengertian Regresi
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, analisis regresi berkenaan dengan studi ketergantungan dari suatu variabel yang
Lebih terperinciLampiran 1: Deskripsi padi varietas Inpari 3. Nomor persilangan : BP3448E-4-2. Anakan produktif : 17 anakan
Lampiran 1: Deskripsi padi varietas Inpari 3 Nomor persilangan : BP3448E-4-2 Asal persilangan : Digul/BPT164-C-68-7-2 Golongan : Cere Umur tanaman : 110 hari Bentuk tanaman : Sedang Tinggi tanaman : 95
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Konsep Dasar Statistika Statistik adalah ilmu yang mempelajari tentang seluk beluk data, yaitu tentang pengumpulan, pengolahan, penganalisisa, penafsiran, dan penarikan kesimpulan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Dalam bab empat ini dilakukan perhitungan untuk mengetahui tentang pengaruh metode Meaningful Instructional Design (MID) terhadap kemampuan Kognitif Siswa pada mata
Lebih terperinciBAB 2 LANDASAN TEORI. pengetahuan, terutama para peneliti yang dalam penelitiannya banyak
17 BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi Statistik merupakan salah satu cabang ilmu pengetahuan yang paling banyak mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu
Lebih terperinciUmur 50% keluar rambut : ± 60 hari setelah tanam (HST) : Menutup tongkol dengan cukup baik. Kedudukan tongkol : Kurang lebih di tengah-tengah batang
Lampiran 1. Deskripsi Jagung Varietas Bisma Golongan : Bersari bebas Umur 50% keluar rambut : ± 60 hari setelah tanam (HST) Umur panen : ± 96 HST Batang : Tinggi sedang, tegap dengan tinggi ± 190 cm Daun
Lebih terperinciBAB 10 ANALISIS REGRESI LINIER SEDERHANA
BAB 10 ANALISIS REGRESI LINIER SEDERHANA Analisis regresi linier merupakan salah satu jenis metode regresi yang paling banyak digunakan. Regresi linier sederhana terdiri atas satu variabel terikat (dependent)
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat
BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi dan Korelasi 2.1.1 Analisis Korelasi Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat hubungan Y dan X dalam bentuk
Lebih terperinciLedhyane I. Harlyan Fakultas Perikanan dan Ilmu Kelautan Universitas Brawijaya 2013
Regression Ledhyane I. Harlyan Fakultas Perikanan dan Ilmu Kelautan Universitas Brawijaya 2013 TUJUAN INSTRUKSIONAL KHUSUS Mahasiswa mampu melakukan analisis regresi sederhana dengan menggunakan metode
Lebih terperinciBAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel
BAB LANDASAN TEORI.1 Pengertian Regresi Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat pengaruh suatu variabel terhadap variabel yang lain. Variabel yang pertama disebut dengan
Lebih terperinciPERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAK-PETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG
PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAKPETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG Sri Wahyuningsih R 1, Anisa 2, Raupong ABSTRAK Analisis variansi
Lebih terperinciDAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PENGESAHAN... ii. RIWAYAT HIDUP... iii. ABSTRAK... iv. KATA PENGANTAR... vi. DAFTAR ISI...
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii RIWAYAT HIDUP... iii ABSTRAK... iv KATA PENGANTAR... vi DAFTAR ISI... vii DAFTAR TABEL... ix DAFTAR GAMBAR... xi DAFTAR LAMPIRAN... xii BAB I PENDAHULUAN...
Lebih terperinciREGRESI SEDERHANA PENDEKATAN MATEMATIKA, STATISTIK DAN EKONOMETRIKA Agus Tri Basuki Universitas Muhammadiyah Yogyakarta
REGRESI SEDERHANA PENDEKATAN MATEMATIKA, STATISTIK DAN EKONOMETRIKA Agus Tri Basuki Universitas Muhammadiyah Yogyakarta A. Pendekatan Matematika Dalam matematika hubungan antar variable bisa dinyatakan
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Deskripsi Data Hasil Penelitian Setelah melakukan penelitian, peneliti mendapatkan hasil studi lapangan berupa data tentang hubungan antara intensitas pendidikan agama
Lebih terperinciMODEL REGRESI. o Persamaan Matematis ÆY=a + bx.. (pers.1) Persamaan Ekonometrika ÆY = b0 + b1x + e.. (pers.2)
MODEL REGRESI o Model dalam bentuk persamaan berfungsi sebagai panduan analisis melalui penyederhanaan dari realitasyang ada. o Penulisan model dalam ekonometrik merupakan pengembangan dari persamaan fungsi
Lebih terperinciUji Lanjut: BEDA NILAI TERKECIL (BNT) (Least Significant Difference (LSD)) Forcep Rio Indaryanto, S.Pi., M.Si Muta Ali Khalifa, S.IK., M.Si.
Uji Lanjut: BEDA NILAI TERKECIL (BNT) (Least Significant Difference (LSD)) Forcep Rio Indaryanto, S.Pi., M.Si Muta Ali Khalifa, S.IK., M.Si. Jurusan Perikanan Fakultas Pertanian Universitas Sultan Ageng
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Deskripsi Data Hasil Penelitian Setelah melakukan penelitian, peneliti mendapatkan hasil studi lapangan berupa data tentang hubungan antara prestasi belajar kognitif
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Konsep Dasar Statistika Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, menyusun atau mengatur, menyajikan, menganalisa dan memberi interpretasi terhadap
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 9 ANOVA (3)
STK511 Analisis Statistika Pertemuan 9 ANOVA (3) 9. ANOVA (3) Diagnosis Asumsi dalam Uji Hipotesis 1. bersifat bebas terhadap sesamanya. Nilai harapan dari nol, E 0 3. Ragam homogen, Var 4. Pola sebaran
Lebih terperinciBAB III METODE PENELITIAN. September). Data yang dikumpulkan berupa data jasa pelayanan pelabuhan, yaitu
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini berasal dari data sekunder dengan jenis data bulanan mulai tahun 2004 sampai dengan tahun 2011 (bulan September).
Lebih terperinciMETODOLOGI HASIL DAN PEMBAHASAN
3 berada pada jarak sejauh tiga atau empat kali simpangan baku dari nilai tengahnya (Aunuddin 1989). Pendekatan pencilan dapat dilakukan dengan melihat plot peluang normal. Apabila terdapat loncatan vertikal
Lebih terperinciBAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan
BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau
Lebih terperinciAnalisis Korelasi & Regresi
Analisis Korelasi & Regresi Oleh: Ki Hariyadi,, S.Si., M.PH Nuryadi, S.Pd.Si UIN JOGJAKARTA 1 Pokok Bahasan Analisis Korelasi Uji Kemaknaan terhadap ρ (rho) Analisis Regresi Linier Analisis Kemaknaan terhadap
Lebih terperinciRegresi Linier Berganda
Regresi Linier Berganda Regresi Berganda Contoh Menguji hubungan linier antara variabel dependen (y) dan atau lebih variabel independen (x n ) Hubungan antara suhu warehouse dan viskositas cat dengan jumlah
Lebih terperinciA. SOAL 1: UJI NORMALITAS DATA DG CHIR KUADRAT. Pengukuran terhadap tinggi mahasiswa tingkat pertama dilakukan dan
009 A. SOAL : UJI NORMALITAS DATA DG CHIR KUADRAT Pengukuran terhadap tinggi mahasiswa tingkat pertama dilakukan dan diambil sebuah sampel secara acak berukuran 00. Dicatat dalam daftar distribusi frekwensi
Lebih terperinciData pengamatan kadar air terasi yang dihasilkan 33, , , , ,0032 H 1 C 2 32, , , , ,4539 H 1 C 3
87 Lampiran 1. Data pengamatan kadar air terasi yang dihasilkan Kombinasi Ulangan Perlakuan 1 2 3 Total Rataan H 1 C 1 33,5525 31,1597 31,2973 96,0095 32,0032 H 1 C 2 32,0751 30,9747 31,3120 94,3618 31,4539
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskripsi Data Hasil Penelitian Untuk memperoleh data tentang pengaruh intensitas interaksi edukatif orang tua dengan anak terhadap keberagamaan siswa kelas VII
Lebih terperinciBAB 2 LANDASAN TEORI. Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada tahun
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Istilah regresi pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886.Secara umum, analisis regresi pada dasarnya adalah studi mengenai ketergantungan
Lebih terperinciParameter Satuan Alat Sumber Fisika : Suhu
LAMPIRAN 59 60 Lampiran 1. Metode Pengukuran Kualitas Air Parameter Satuan Alat Sumber Fisika : Suhu o C Termometer/Pemuaian SNI 06-6989.23-2005 Kimia: Amonia mg/l Ammonia test kit SNI 06-6989.30-2005
Lebih terperinciBAHAN DAN METODE. Sumatera Utara, Medan dengan ketinggian tempat ± 25 meter diatas permukaan
BAHAN DAN METODE Tempat dan Waktu Percobaan Penelitian dilaksanakan di Rumah Kaca Fakultas Pertanian Universitas Sumatera Utara, Medan dengan ketinggian tempat ± 25 meter diatas permukaan laut. Penelitian
Lebih terperinciREGRESI SEDERHANA/BIVARIAT. Statistik Psikologi Unita Werdi Rahajeng
REGRESI SEDERHANA/BIVARIAT Statistik Psikologi Unita Werdi Rahajeng www.unita.lecture.ub.ac.id Uji Regresi 1. Uji-hubungan regresi ditujukan untuk melakukan prediksi; 2. Tujuan ini sedikit berbeda dengan
Lebih terperinciBAB II. REGRESI LINIER SEDERHANA
.1 Pendahuluan BAB II. REGRESI LINIER SEDERHANA Gejala-gejala alam dan akibat atau faktor yang ditimbulkannya dapat diukur atau dinyatakan dengan dua kategori yaitu fakta atau data yang bersifat kuantitatif
Lebih terperinci