FIXED EFFECT MODEL PADA REGRESI DATA PANEL

Ukuran: px
Mulai penontonan dengan halaman:

Download "FIXED EFFECT MODEL PADA REGRESI DATA PANEL"

Transkripsi

1 ta p-iss: ISS: Vol. 3 o. opmbr 00, Hal ta 00 DOI: FIED EFFECT MODEL PADA REGRESI DATA PAEL Alfra Mula Astut Abstrak: Pngamatan trhadap prlakuan dalam bdang pnddkan maupun bdang lanna, tdak cukup jka damat hana pada waktu brsamaan saja, mlankan prlu damat pada bbrapa prod waktu. Untuk tu, dprlukan data ang mrupakan data gabungan antara data cross scton dan tm srs ang dsbut data panl. Varabl rspon dan varabl bbas pada data cross scton dan unt tm srs dhubungkan dngan mtod rgrs. Rgrs dngan mnggunakan data panl dsbut rgrs panl. Trdapat tga pndkatan ang dapat dgunakan pada rgrs data panl, salah satuna pndkatan fk ttap ang slanjutna dsbut Fxd Effct Modl FEM. Kata kunc: Fxd Effct Modl FEM; Ordnar Last Squar; Rgrs Data Panl A. PEDAHULUA Pngamatan trhadap prlakuan dalam bdang pnddkan maupun bdang lanna, tdak cukup jka damat hana pada waktu brsamaan saja, prlu dtntukan pngamatan pada bbrapa prod waktu. Untuk tu, dprlukan data ang mrupakan data gabungan antara data cross scton dan tm srs ang dsbut data panl. Mnurut Baltag 005, trdapat bbrapa kuntungan mnggunakan data panl. Kuntungan trsbut adalah data lbh nformatf, lbh brvaras, lbh fsn, dapat mnghndar masalah multkolnartas, lbh unggul dalam mmplajar prubahan ang dnams, lbh dapat mngukur pngaruh-pngaruh ang tdak dapat dobsrvas pada data cross scton murn dan tm srs murn, srta dngan mmbuat data trsda dalam jumlah lbh banak, Insttut Agama Islam gr Mataram, Indonsa, alframulastut@ahoo.co.d

2 Astut, Fxd Effct Modl pada Rgrs Data Panl data panl dapat mmnmumkan bas ang dapat trjad bla mngagrgatkan ndvdu k dalam agrgat ang luas. Varabl rspon dan varabl bbas pada data cross scton dan unt tm srs dhubungkan dngan mtod rgrs dmana hubungan trsbut dgambarkan dalam bntuk stmas ang mmbntuk suatu modl trtntu. Rgrs dngan mnggunakan data panl dsbut rgrs data panl. Hasl analss rgrs danggap brlaku pada smua unt pngamatan pada smua waktu. Mtod n srng dsbut dngan common ffct modl Wnarno, 007. amun, asums n mmlk klmahan atu ktdakssuaan modl dngan kadaan ang ssungguhna. Olh karna tu, dprlukan suatu modl ang dapat mnunjukkan prbdaan antar unt pngamatan. Modl n dsbut modl rgrs fk ttap ang slanjutna dsbut Fxd Effct Modl FEM. Pada common ffct modl, paramtr dstmas dngan mnggunakan mtod Ordnar Last Squar OLS atau mtod kuadrat trkcl. Pada modl FEM, struktur komponn rror dapat dabakan shngga paramtr dstmas juga dngan mtod OLS ttap dngan pnambahan varabl dumm dalam pross stmasna Hsao, 00. Modl rgrs data panl mrupakan salah satu modl ang dgunakan dalam konomtrka. Modl rgrs data panl scara umum dapat dnatakan pada prsamaan.. x u =,,n t =,,T. t t t dmana t adalah unt cross scton k- untuk prod waktu k-t, mnunjukkan vktor obsrvas pada varabl ndpndn brukuran k, dan ntrsp mrupakan fk group/ndvdu dar unt cross scton k- ang brnla konstan spanjang waktu t atau bahkan brbda-bda untuk stap unt cross scton k-. dan u t adalah rror rgrs untuk group k- untuk prod waktu k-t. Scara umum, dngan mnggunakan data panl akan dhaslkan ntrsp dan slop kofsn ang brbda-bda pada stap ndvdu dan stap prod waktu. Olh karna tu, dalam mngstmas. akan sangat trgantung pada asums ang dbuat tntang ntrsp, slop kofsn dan varabl gangguanna Hsao, 000. Brkut asums trsbut. x t ta Vol. 3 o. opmbr 00 35

3 Astut, Fxd Effct Modl pada Rgrs Data Panl. Intrsp dan slop ttap spanjang waktu dan ndvdu srta prbdaan ntrsp dan slop djlaskan olh varabl gangguan. Modlna dtulskan pada.. Slop ttap, ttap ntrsp brbda antar ndvdu. Modlna sbaga brkut. x u =,,n t =,,T. t t t 3. Slop ttap, ttap ntrsp brbda bak antar waktu maupun antar ndvdu. Modlna sbaga brkut. x u =,,n t =,,T.3 t t t t 4. Intrsp dan slop brbda antar ndvdu. Modlna sbaga brkut. x u =,,n t =,,T.4 t t t t 5. Intrsp dan slop brbda antar waktu dan antar ndvdu. Modlna sbaga brkut. x u =,,n t =,,T.5 t t t t t Trdapat bbrapa pndkatan dan mtod stmas pada modl rgrs data panl. Common Effct Modl Tknk ang palng sdrhana dalam mngstmas modl rgrs data panl adalah dngan mngkombnaskan data tm srs dan cross scton lalu mlakukan pndugaan poolng. Data dkombnaskan tanpa mmprhatkan prbdaan antar waktu dan antar ndvdu. Pada pndkatan n, dgunakan mtod OLS untuk mngstmas modl Sukndar & Zanal, 007. Pndkatan n dsbut stmas common ffct modl atau poold last squar. D stap obsrvas trdapat rgrs shngga datana brdmns tunggal. Mtod n mngasumskan bahwa nla ntrsp masng-masng varabl adalah sama bgtu pun dngan slop kofsn. Mtod n mudah, namun modl bsa saja mndstors gambaran ang sbnarna dar hubungan antara varabl dpndn dan varabl ndpndn antar unt cross scton Sukndar & Zanal, Fxd Effct Modl Mnurut Sukndar dan Zanal 007, pada pndkatan modl fk ttap, dasumskan bahwa ntrsp dan slop dar prsamaan rgrs 36 ta Vol. 3 o. opmbr 00

4 Astut, Fxd Effct Modl pada Rgrs Data Panl modl danggap konstan bak antar unt cros scton maupun antar unt tm srs. Satu cara untuk mmprhatkan unt cross-scton atau unt tm-srs adalah dngan mmasukkan varabl bonka/smu dumm varabl untuk mngznkan trjadna prbdaan nla paramtr ang brbda-bda, bak lntas unt cross-scton maupun antar unt tm srs. Pndkatan ang palng srng dlakukan adalah dngan mngznkan ntrsp brvaras antar unt cross-scton namun ttap mngasumskan bahwa slop kofsn adalah konstan antar unt crossscton. Pndkatan n dknal dngan sbutan modl fk ttap fxd ffct modl/fem Adana ndks d ntrsp pada prsamaan., mnandakan bahwa ntrsp dar unt cross scton brbda. Prbdaan n bsa dsbabkan karna ftur khusus stap unt cross-scton. Dalam stmas prsamaan trsbut dlakukan dngan tknk varabl dumm pada prsamaan. shngga prsamaan baru dapat dlhat pada prsamaan.. D x.6 t t dmana D d d... t mrupakan varabl dumm untuk unt d n k-. Grn, 000. Olh karna pnggunaan tknk varabl dumm dalam pross rgrs, maka FEM basa juga dsbut Last Squar Dumm Varabls LSDV. Tknk varabl dumm bsa dgunakan pada unt cross scton or unt tm srs. 3. Random Effct Modl Dalam mngstmas data panl mlalu pndkatan FEM, varabl dumm mnunjukkan ktdakpastan modl ang dgunakan. Untuk mngatas masalah n, dgunakan varabl rsdual ang dknal dngan pndkatan random ffct modl REM. Id dasar dar REM adalah mngasumskan rror brsfat random. REM dstmas dngan mtod Gnralzd Last Squar GLS. 4. Mtod Kuadrat Trkcl. Mtod Ordnar Last squar atau ang dknal dngan mtod kuadrat trkcl mrupakan salah satu mtod ang populr untuk ta Vol. 3 o. opmbr 00 37

5 Astut, Fxd Effct Modl pada Rgrs Data Panl mnduga nla paramtr dalam prsamaan rgrs lnr. Mtod n tdak mmrlukan asums dstrbus. Pada prnspna mtod n mmnmumkan jumlah kuadrat rror dngan mnurunkanna trhadap paramtr scara parsal dan mngst haslna sama dngan 0. Dngan dmkan dharapkan nla-nla paramtr ang ddapat mndkat nla ang sbnarna. 5. Pngujan Sgnfkans Paramtr. Pngujan sgnfkans paramtr pada rgrs data panl pada dasarna dntk dngan pngujan sgnfkans pada rgrs lnr brganda. Karna data panl brangkat dar analss rgrs lnr brganda. Pngujan n dmaksudkan untuk mngtahu apakah paramtr ang trdapat dalam modl rgrs data panl tlah mnunjukkan hubungan ang tpat antara varabl ndpndn dngan varabl dpndn srta untuk mngtahu apakah modl ang mmuat paramtr trsbut tlah mampu mnggambarkan kadaan data ang sbnarna. Ada dua tahap pngujan paramtr dalam rgrs data panl, atu pngujan scara srntak ovrall dan pngujan scara parsal. B. METODE PEELITIA C. TEMUA DA PEMBAHASA. Estmas Paramtr dngan Mtod Kuadrat Trkcl Pada stmas dngan mtod OLS, stmator ang dprolh adalah BLUE Bst Lnr Unbasd Estmator dngan paramtr ang dstmas adalah dan. Adapun kajan stmasna sbaga brkut. msal, S S u u u u dmana u shngga dprolh ta Vol. 3 o. opmbr 00

6 Astut, Fxd Effct Modl pada Rgrs Data Panl ta Vol. 3 o. opmbr Slanjutna 4. dturunkan trhadap, shngga dprolh 4. S x x x x 4. Slanjutna 4. dsamakan dngan nol. Tahapanna sbaga brkut. 0 S 0 0

7 Astut, Fxd Effct Modl pada Rgrs Data Panl 40 ta Vol. 3 o. opmbr 00 ˆ,,, 4.3 Stlah ˆ dtmukan, slanjutna dlakukan stmas paramtr. Langkah prtama ang dlakukan adalah 4. dturunkan trhadap. Tahapanna sbaga brkut. S 4.4 Slanjutna 4.4 dsamakan dngan nol shngga dprolh S 0 ] [

8 Astut, Fxd Effct Modl pada Rgrs Data Panl [ ] ˆ OLS [ ] 4.5. Estmas Paramtr dngan Mtod Last Squar Dumm Varabl Estmas paramtr dngan mtod Last Squar Dumm Varabl LSDV tdak brbda jauh dngan mtod OLS. Tahapanna sama dngan mtod OLS, ttap pada LSDV dgunakan varabl dumm karna nla obsrvas varabl untuk kofsn dambl dar varabl dumm. Slanjutna, mmbuat prsamaan ang kuvalnt dngan prsamaan 4. dngan matrks transformas ang brukuran T x T dan dmpotnt Hsao, 00, akn : I T 4.6 T Untuk mnghlangkan fk ndvdu agar dapat mngukur pngamatan ndvdu sbaga dvas dar mans ndvdu trhadap waktu, maka substuskan 4.6 pada 4. d kdua ruas prsamaan, sdmkan hngga dprolh prsamaan 4.7 u I T T T u u T u T 0 u u,,, n 4.7 dngan mnggunakan tahapan dar mtod stmas OLS, maka paramtr pada 4.7 dapat dstmas, sbaga brkut. ta Vol. 3 o. opmbr 00 4

9 Astut, Fxd Effct Modl pada Rgrs Data Panl Dar prsamaan 4.7 dubah k dalam bntuk sprt pada prsamaan brkut. u 4.8 Msalkan F u u. Dngan mnurunkan scara parsal, maka dprolh prsamaan 4.9. Slanjutna, 4.9 dturunkan trhadap shngga dprolh 4.0. Kmudan 4.0 dsamakan dngan nol hngga dtmukan F ˆ LSDV. Tahapan analss sbaga brkut. [ ] [ 4.9 F [ F 0 [ ] ] 4.0 ] 0 4 ta Vol. 3 o. opmbr 00

10 Astut, Fxd Effct Modl pada Rgrs Data Panl ta Vol. 3 o. opmbr LSDV ˆ 4. Estmator kovarans dar LSDV ˆ unbas dan konsstn ktka or T atau kduana nfnt. Shngga matrks varans kovarans-na sbaga brkut. LSDV Var Var ˆ Var Var Y Var u u u I

11 Astut, Fxd Effct Modl pada Rgrs Data Panl u I u D. SIMPULA Brdasarkan hasl dan pmbahasan ang tlah durakan, maka ksmpulan ang dapat dbuat adalah stmas paramtr dngan pndkatan FEM pada rgrs panl dapat mnggunakan mtod stmas last squar dumm varabl dmana posdur stmasna dntk dngan mtod stmas OLS. DAFTAR PUSTAKA Arllano, M., and S. Bond. 99. Som tst of spcfcaton for data panl: mont carlo vdnc and a applcaton to mplomnt quatons, Rvw of Economc studs 58, Baltag, B.H Economtrcs analss of data panl 3 rd dton. Chchstr: John Wl & Sons Ltd. Grn, W.H Economtrcs analss 3 rd dton. w Jrs: Prntc Hall. Gujarat D Basc conomtrcs 4 th dton. w York: McGraw-Hll. Hrosobroto dan Ekananda M Analss dampak dprsas dan votaltas nla tukar trhadap knrja kspor kau olahan ndonsa. Makalah Parall. Dpok: Wsma Makara Kampus UI. Hsao C. 00. Analss of data panl nd dton. Wst ack, Y: Cambrg Unvrst Prss. Kao C dan Chang MS On th stmaton and nfrnc of a contgratd rgrsson n panl data. onstatonar Panls, Panl Contgraton and Dnamc Panls, 5, 79-. Krungr H. 00. On th stmaton of panl rgrsson modls wth fxd ffct. Workng Papr, Dpartmnt of Economcs, London: un Mar. 44 ta Vol. 3 o. opmbr 00

12 Astut, Fxd Effct Modl pada Rgrs Data Panl Lancastr, T Orthogonal paramtr and data panl, Workng Papr Drvs M 999 dan Mart 00. Brown Unvrst: Provdnc Rhod Island Park H Moung Lnar rgrsson modls for data panl usng SAS, STATA, LIMDEP, and SPSS. Documnt Papr. Th Trusts of Indana Unvrst. ta Vol. 3 o. opmbr 00 45

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR) ISBN : 978.60.36.00.0 ESIMASI PARAMEER MODEL GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION (GWOLR) Sylf, Vta Ratnasar Mahasswa Jurusan Statstka Insttut knolog Spuluh Nopmbr (IS), Dosn Jurusan Statstka

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini.

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini. BAB II TINJAUAN PUSTAKA Pada bagan n akan dbrkan konsp dasar graf dan blangan kromatk lokas pada suatu graf sbaga landasan tor pada pnltan n 21 Konsp Dasar Graf Bbrapa konsp dasar yang dgunakan dalam pnltan

Lebih terperinci

KAJIAN ANALISIS REGRESI DENGAN DATA PANEL

KAJIAN ANALISIS REGRESI DENGAN DATA PANEL Prosdng Smnar Nasonal Pnlan, Pnddan dan Pnrapan MIPA Faultas MIPA, Unvrsas Ngr ogyaarta, 16 M 009 AJIAN ANALISIS REGRESI DENGAN DATA PANEL I Gd Nyoman Mndra Jaya Nnng Sunngsh Staf Pngajar Jurusan Statsta

Lebih terperinci

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1 Ksmantn Jurusan Pnddkan Matmatka FMIPA Unvrstas Ngr Yogakarta Abstrak Pnduga rsko rlat mrupakan statstk ang dgunakan untuk mngtahu sbaran suatu pnakt.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Blakang Mnmum spannng tr (MST) mrupakan sbuah prmasalahan dalam suatu graph yang mana banyak aplkasnya bak scara langsung maupun tdak langsung yang tlah dplajar. Salah satu

Lebih terperinci

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt

Lebih terperinci

Hubungan antara K dengan koefisien fugasitas:

Hubungan antara K dengan koefisien fugasitas: Hubungan antara K dngan kofsn fugastas: fˆ f K Kadaan standar untuk gas adalah gas murn pada kadaan gas dal pada tkanan kadaan standar sbsar 1 bar. (1) Karna fugastas gas dal sama dngan tkanannya, f =

Lebih terperinci

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS Analss Ssaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS KOMPETENSI Stlah mmplajar topk n, mahasswa dharapkan dapat : mnjlaskan dfns ssaan dan nformasnformas yang dapat dprolh dar ssaan mnghtung nla

Lebih terperinci

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE Bn Haryat dan Sutkno Jurusan Statstka, Fakultas Matmatka

Lebih terperinci

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM 4.1 Pndahuluan Ktga prtdaksamaan yang tlah dbahas sblumnya akan daplkaskan dalam suatu stud kasus mngna nla AVL (avalablty ntwork) dar sambungan langsung jarak

Lebih terperinci

Analisis Variansi Multivariat

Analisis Variansi Multivariat Analss Varans Multvarat Muammad Rdwan Ram - 80909 Program Stud Sstm Tknolog Informas Skola Tknk Elktro Informatka Insttut Tknolog Bandung, Jl. Gansa 0 Bandung 403, Indonsa m.rdwan.ram@gmal.com Abstrak

Lebih terperinci

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Jurnal Matmatka Vol. 9, No.3, Dsmbr 2006:207-214 EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV Supand Jurusan Tknk Informatka Unvrstas AKI Jl. Pmuda 95-97 Smarang h_supand@yahoo.co.uk Abstract.

Lebih terperinci

II. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan

II. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan II. BILANGAN KOMPLEKS. Pndahuluan Sstm blangan komplks pada dasarna mrupakan prluasan dar sstm blangan rl. Sstm blangan n dprknalkan untuk mmcahkan sstm-sstm prsamaan aljabar ang tdak mmpuna jawaban dalam

Lebih terperinci

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda MODEL PILIHAN KUALITATIF Olh Bambang Juanda Srngkal dalam suatu surv kta brhadapan dngan pubah kualtatf yang mmpunya skala pngukuran nomnal atau ordnal. Nla-nla pubah rspons kualtatf n trbatas lmtd dpndnt

Lebih terperinci

BAB 2 SISTEM MAKRO DAN MIKRO

BAB 2 SISTEM MAKRO DAN MIKRO BAB 2 SISTEM MAKRO DAN MIKRO Sstm yang akan d bahas dalam skrps n adalah sstm frmon yang mngkut kadah ksklus Paul, mrupakan partkl dntk dan mmlk sfat-sfat yang brbda jka d bandngkan dngan sstm boson. Olh

Lebih terperinci

ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN

ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN A. Nna Rosana Chytrasar 1), Sr Haryatm 2), Danardono 3) 1) Mahasswa Jur. Matmatka FMIPA UGM

Lebih terperinci

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan UJI CHI KUADRAT (χ²) 1. Pndahuluan Uj Ch Kuadrat adalah pngujan hpotss mngna prbandngan antara : frkuns obsrvas/yg bnar-bnar trjad/aktual dngan frkuns harapan/kspktas 1.1. Pngrtan Frkuns Obsrvas dan Frkuns

Lebih terperinci

OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB)

OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB) OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Stud Kasus Produk Flash Dsk dngan Kapastas Pnympanan 4 GB dan 8 GB) Skrps OLEH: DIAN SETYA ARINI I0307038 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS

Lebih terperinci

BAB IV FUNGSI KOMPLEKS

BAB IV FUNGSI KOMPLEKS 47 BAB IV FUNGSI KOMPLEKS 4.. BILANGAN KOMPLEKS. 4... Notas Blangan Komplks Brmacam - macam notas dar blangan komplks pada mulanya ddfnskan sbaga pasangan blangan rl, msal (, y ), namun scara umum notas

Lebih terperinci

PEMODELAN REGRESI HURDLE NEGATIVE BINOMIAL DENGAN VARIABEL DEPENDEN TERSENSOR KANAN PADA KASUS TETANUS NEONATORUM DI INDONESIA

PEMODELAN REGRESI HURDLE NEGATIVE BINOMIAL DENGAN VARIABEL DEPENDEN TERSENSOR KANAN PADA KASUS TETANUS NEONATORUM DI INDONESIA ESIS - SS450 PEMODELAN REGRESI HURDLE NEGAIVE BINOMIAL DENGAN VARIABEL DEPENDEN ERSENSOR KANAN PADA KASUS EANUS NEONAORUM DI INDONESIA Rza Yul Rusdana NRP 35 0 03 DOSEN PEMBIMBING Dr. Dra. Isman Zan, M.

Lebih terperinci

ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO

ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO ANALISIS EFISIENSI TEKNIS PRODUKSI USAHATANI CABAI MERAH BESAR DAN PERILAKU PETANI DALAM MENGHADAPI RISIKO Saptana 1, Arf Daryanto 2, Hny K. Daryanto 2, dan Kuntjoro 2 1 Pusat Analss Sosal Ekonom dan Kbjakan

Lebih terperinci

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA)

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA) PROPERY DAN PERDAGANGAN EBAGAI EKOR DOMINAN PADA DAA BURA AHAM DENGAN PRINCIPAL COMPONEN ANALYI (PCA) Hanna A Parhus, Dva Wdyananto,dan Brnadta Dsnova Kr Cntr of Ald Mathmatcs (CAM), Program tud Matmatka

Lebih terperinci

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA

BAB II IMPEDANSI SURJA KAWAT TANAH DAN MENARA BAB II IMPEDANSI SUJA KAWA ANAH DAN MENAA II. UMUM Saluan tansms lbh tngg dbandngkan objk d skllngnya, kana tu saluan tansms mmlk sko bsa untuk tkna sambaan pt. Untuk mngatas hal tsbut maka saluan tansms

Lebih terperinci

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST) UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan

Lebih terperinci

METODE ELEMEN HINGGA UNTUK MASALAH SYARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF. Sutrima Jurusan matematika FMIPA UNS. Abstract

METODE ELEMEN HINGGA UNTUK MASALAH SYARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF. Sutrima Jurusan matematika FMIPA UNS. Abstract JRNAL MATEMATIKA DAN KOMPTER Vol. 5. No., 4-4, Aprl, ISSN : 4-858 METODE ELEMEN INGGA NTK MASALA SARAT BATAS DARI OPERATOR DIFERENSIAL POSITIF Sutrma Jurusan matmatka FMIPA NS Abstract Th purpos of ths

Lebih terperinci

II. PERANAN STATISTIK DALAM ANALISIS PERCOBAAN

II. PERANAN STATISTIK DALAM ANALISIS PERCOBAAN II. PERANAN TATITIK DALAM ANALII PERCOBAAN Hal-hal yang prl dplajar. 1. baran Normal dan sbaran t- stdnt. Mmbandngan da harga rata-rata sampl. a. Prbandngan da harga rata-rata sampl tda brpasangan npard

Lebih terperinci

Aplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan

Aplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan Aplikasi Intgral Intgral dapat diaplikasikan k dalam banyak hal. Dari yang sdrhana, hingga aplikasi prhitungan yang sangat komplks. Brikut mrupakan aplikasi-aplikasi intgral yang tlah diklompokkan dalam

Lebih terperinci

Gelombang Datar Lintas Medium

Gelombang Datar Lintas Medium Rvs Fbruar 00 33 Modul 4 lktromagntka Tlkomunkas Glombang Datar Lntas Mdum Olh : Nachwan Muft Adransyah, ST, MT Organsas Modul 3 Glombang Datar Lntas Mdum A. Pndahuluan B. Glombang Jatuh Normal C. Konsp

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB LANDASAN TEORI Pada bab n akan duakan bbapa konsp dan mtod yang mnjad dasa pnulsan tugas akh n. Bbapa konsp dan mtod tsbut alah pnclan, tata caa mndtks pnclan, mtod OLS, mnntukan ata-ata kuadat tkcl

Lebih terperinci

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah

Lebih terperinci

TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER

TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER HannaA Parhusip Cntr of Applid Mathmatics Program Studi Matmatika Industri dan Statistika Fakultas Sains dan Matmatika Univrsitas Kristn Sata

Lebih terperinci

BAB II TINJAUAN PUSTAKA. penurunan akan permintaan pergerakan transportasi. [ 11]

BAB II TINJAUAN PUSTAKA. penurunan akan permintaan pergerakan transportasi. [ 11] BAB II TINJAUAN PUSTAKA II.1 Umum Tngkat playanan suatu jarngan jalan tntukan olh waktu prjalanan, baya prjalanan (tarf an bahan bakar), knyamanan, an kamanan pnumpang. Jka trja pnurunan tngkat playanan

Lebih terperinci

PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI

PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI Volum 21, No 2, Dcmbr 2017 (153-161) Onln: http://journal.uny.ac.d/ndx.php/jpp PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI Unvrstas Vtran Bangun Nusantara Sukoharjo suwartowarto@yahoo.com,

Lebih terperinci

model pengukuran yang menunjukkan ukur Pengukuran dalam B. Model Mode sama indikator dan 1 Pag

model pengukuran yang menunjukkan ukur Pengukuran dalam B. Model Mode sama indikator dan 1 Pag Modl Modl Pngukuran dalam Pmodlan Prsamaan Struktural Wahyu Widhiarso Fakultas Psikologi UGM Tulisan ini akan mmbahas bbrapa modl dalam SEM yang unik. Dikatakan unik karna jarang dipakai. Tulisan hanya

Lebih terperinci

ANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA

ANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA ANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA Olh : Yanti Muliyaningsih G40026 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

Ringkasan Materi Kuliah METODE-METODE DASAR PERSAMAAN DIFERENSIAL ORDE SATU

Ringkasan Materi Kuliah METODE-METODE DASAR PERSAMAAN DIFERENSIAL ORDE SATU Ringkasan atri Kuliah ETODE-ETODE DASAR PERSAAAN DIFERENSIAL ORDE SATU Pndahuluan Prsamaan dirnsial adalah prsamaan ang mmuat turunan satu atau bbrapa) ungsi ang takdiktahui skipun prsamaan sprti itu harusna

Lebih terperinci

HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.

HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api. 6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi

Lebih terperinci

Integral Fungsi Eksponen, Fungsi Trigonometri, Fungsi Logaritma

Integral Fungsi Eksponen, Fungsi Trigonometri, Fungsi Logaritma Modul Intgral Fungsi Eksponn, Fungsi Trigonomtri, Fungsi Logaritma Dr. Subanar D PENDAHULUAN alam mata kuliah Kalkulus I Anda tlah mngnal bahwa intgrasi adalah pross balikan dari difrnsiasi. Jadi untuk

Lebih terperinci

Muatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu

Muatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu Muatan rgrak Muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksik disbut bb bban brgrak Sbuah kndaraan mlalui suatu jmbatan, maka akan timbul prubahanbh nilai i raksi kimaupun gaya

Lebih terperinci

Diktat TERMODINAMIKA DASAR

Diktat TERMODINAMIKA DASAR Dktat TERMODINAMIKA DASAR Olh : Ir. Sudjto, PhD., Ir. Safuddn Badow, Agung Sugng W., ST.,MT BabIV HUKUM TERMODINAMIKA I : SISTEM TERBUKA ( VOLUME ATUR ) 4.1 ANALISA TERMODINAMIKA VOLUME ATUR Pada sbagan

Lebih terperinci

PERANCANGAN DAN SIMULASI FEEDFORWARD AUTOTUNING PID DECOUPLING TITO SYSTEM KOLOM DISTILASI METANOL-AIR

PERANCANGAN DAN SIMULASI FEEDFORWARD AUTOTUNING PID DECOUPLING TITO SYSTEM KOLOM DISTILASI METANOL-AIR Prodng Smnar Naonal Manajmn Tknolog XVIII Program Stud MMT-ITS, Surabaya 7 Jul 13 PERANCANGAN AN SIMULASI FEEFORWAR AUTOTUNING PI ECOUPLING TITO SYSTEM OLOM ISTILASI METANOL-AIR Ral Harudan 1), atjuk Atrowulan

Lebih terperinci

PENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS

PENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS 30 ISSN 06-38 Yoyok Dw Styo Pambud PENERAPAN PEMODELAN DAN METODE KURVA REAKSI PROSES UNTUK MENGIDENTIFIKASI SISTEM DURESS Yoyok Dw Styo Pambud Pusat Tknolog Raktor dan Kslamatan Nuklr, BATAN Gd. 80 Kawasan

Lebih terperinci

BAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi.

BAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi. BAB 3 Ksamaan Matks Kovaans Bagan n akan mmahas tntang ngujan hotss ksamaan matks kovaans. 3. Uj Ksamaan Dua Matks Kovaans 3.. Ukuan Pnyaan Multvaat ( X ( ( Msalkan X suatu vkto acak d mana X dan X masngmasng

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian

Lebih terperinci

8. Fungsi Logaritma Natural, Eksponensial, Hiperbolik

8. Fungsi Logaritma Natural, Eksponensial, Hiperbolik 8. Fungsi Logaritma Natural, Eksponnsial, Hiprbolik 8.. Fungsi Logarithma Natural. Sudaratno Sudirham Dfinisi. Logaritma natural adalah logaritma dngan mnggunakan basis bilangan. Bilangan ini, sprti halna

Lebih terperinci

Seemingly Unrelated Regression (SUR) Penderita Penyakit DBD RS. Wahidin Sudirohusodo Dan RS. Stella Maris Makassar

Seemingly Unrelated Regression (SUR) Penderita Penyakit DBD RS. Wahidin Sudirohusodo Dan RS. Stella Maris Makassar Vol. 3, o., -5, Jul 6 Seemngl Unrelated Regresson Penderta Penakt DBD RS. Wahdn Sudrohusodo Dan RS. Stella ars akassar A n s a Abstrak Hubungan antar varabel adalah salah satu hal ang selalu menark dalam

Lebih terperinci

Analysis of Covariance (ANACOVA)

Analysis of Covariance (ANACOVA) Analss of Covarance ANACOVA Bett Kash Paramtha Ihda Ihsana Gempur Safar Oleh: La Ftran Muhammad Alawdo Erma Aprlana Eka Setanngsh Prof Dr Sr Haratm Kartko Program Stud Statstka FMIPA Unverstas Gadah Mada

Lebih terperinci

Debuging Program dengan EasyCase

Debuging Program dengan EasyCase Modul asyc 1 Dbuging Program dngan EasyCas Di susun Olh : Di dukung olh : Portal dukasi Indonsia Opn Knowlodg and Education http://ok.or.id Modul asyc 2 KATA PENGANTAR Puji syukur kpada guru sjatiku Gusti

Lebih terperinci

PENGUAT FREKUENSI RENDAH (lanjutan)

PENGUAT FREKUENSI RENDAH (lanjutan) EEKTONK NOG Prtmuan 4 PENGUT FEKUENS ENDH (lanjutan) Pngkut Emtr (Emttr Followr) Pnguat transstor kolktor umum (ommon-mttr) dsut juga dgn stla pngkut mtr. Konfgurasnya dgamarkan s. Konfguras kolktor-umum

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Data Katgor Data statst yang dprhatan dalam stap analss atau pnltan pada umumnya mmuat banya varabl numr maupun varabl atgor Shngga analss data uga dapat dlauan dngan mmaa dua macam

Lebih terperinci

BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi

BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi BAB IV AKSIRA MAKSIMUM LIKELIHOOD FUGSI IESIAS POISSO OHOMOGE 4 Pndahuluan Brku n, akan dbahas nang dua pndkaan unuk mndapakan aksran fungs nnsas pross Posson nonhomogn, yau scara ors dan sud kasus Pada

Lebih terperinci

Modifikasi Metode Full Wave di Sekitar Titik Singular

Modifikasi Metode Full Wave di Sekitar Titik Singular Kontrbus Fska Indonsa Vol. 3 No.3, Jul 2002 Abstrak odfkas tod Full Wav d Sktar Ttk Sngular Ttk Stawat Bdang Aplkas Gomagnt dan agnt Antarksa, Pusat Pmanfaatan Sans Antarksa LAPAN, Jl. Dr. Junjunan 33

Lebih terperinci

Pada gambar 2 merupakan luasan bidang dua dimensi telah mengalami regangan. Salah satu titik yang menjadi titik acuan adalah titik P.

Pada gambar 2 merupakan luasan bidang dua dimensi telah mengalami regangan. Salah satu titik yang menjadi titik acuan adalah titik P. nurunan Kcpatan Glombang dan Glombang S Glombang sismik mrupakan gtaran yang mrambat pada mdium batuan dan mnmbus lapisan bumi. njalaran mnybabkan dformasi batuan.strss atau tkanan didfinisikan gaya prsatuan

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN A. KARAKTERISTIK MUTU DAN REOLOGI CPO AWAL Minyak sawit kasar (crud palm oil/cpo) mrupakan komoditas unggulan Indonsia yang juga brpran pnting dalam prdagangan dunia. Mngingat

Lebih terperinci

Jurnal Inovasi Pembelajaran Fisika (INPAFI)

Jurnal Inovasi Pembelajaran Fisika (INPAFI) Jurnal Inovas Pmblajaran Fska (INPAFI) Avalabl onln http://jurnal.unmd.ac.d/01/ndx.php/npaf -ssn 59-5, p-ssn 337-6 IMPLEMENTASI PEDAGOGICAL CONTENT KNOWLEDGE (PCK) DALAM PEMBELAJARAN SAINTIFIK UNTUK MENINGKATKAN

Lebih terperinci

Analisis Rangkaian Listrik

Analisis Rangkaian Listrik Sudaryatno Sudirham Analisis Rangkaian Listrik Mnggunakan Transformasi Fourir - Sudaryatno Sudirham, Analisis Rangkaian Listrik (4) BAB Analisis Rangkaian Mnggunakan Transformasi Fourir Dngan pmbahasan

Lebih terperinci

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

Lebih terperinci

Pertemuan XIV, XV VII. Garis Pengaruh

Pertemuan XIV, XV VII. Garis Pengaruh ahan jar Statika ulyati, ST., T rtmuan X, X. Garis ngaruh. ndahuluan danya muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksi disbut bban brgrak. isalkan ada sbuah kndaraan mlalui

Lebih terperinci

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL J-Statistika Vol 4 No PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL Prmadina Kanah Ariska -mail : blaar_statistika@yahoo.com ABSTRAK Rgrsi logistik

Lebih terperinci

II. LANDASAN TEORI. digunakan sebagai landasan teori pada penelitian ini. Teori dasar mengenai graf

II. LANDASAN TEORI. digunakan sebagai landasan teori pada penelitian ini. Teori dasar mengenai graf II. LANDASAN TEORI 2.1 Konsp Dasar Graf Pada bagian ini akan dibrikan konsp dasar graf dan dimnsi partisi graf yang digunakan sbagai landasan tori pada pnlitian ini. Tori dasar mngnai graf yang akan digunakan

Lebih terperinci

MODEL EVAPOTRANSPIRASI PADA VEGETASI DENGAN KETEBALAN KANOPI YANG BERVARIASI

MODEL EVAPOTRANSPIRASI PADA VEGETASI DENGAN KETEBALAN KANOPI YANG BERVARIASI MODEL EVAPOTRANSPIRASI PADA VEGETASI DENGAN KETEBALAN KANOPI YANG BERVARIASI Evapotranspraton modl on vgtaton wth vard canopy layr Yanto yanto@unsod.ac.d, ynt@umch.du Program Stud Tknk Spl Fakultas Sans

Lebih terperinci

ANALISIS TINGKAT KESEHATAN BANK PADA PD. BPR BKK KENDAL DENGAN METODE RGEC TAHUN

ANALISIS TINGKAT KESEHATAN BANK PADA PD. BPR BKK KENDAL DENGAN METODE RGEC TAHUN ANALISIS TINGKAT KESEHATAN BANK PADA PD BPR BKK KENDAL DENGAN METODE RGEC TAHUN 2009 2012 NABELLA ROSALIANA Unvrstas Dan Nuswantoro Smarang E-mal: nabllarosalana@gmalcom ABSTRACT Th bankng ndustry s fnancal

Lebih terperinci

ANALISIS KOVARIANSI bagian 2..

ANALISIS KOVARIANSI bagian 2.. ANALISIS KOVARIANSI bagan Uj Efek Perlakuan... v. H H F 1 0 5% StatstkaUj: raso : 0, : 0,, DK : RK RK H 0 P S (adj) (adj) 1,, t dtolak jka F raso F α,t1,t(r1) 1 Ingat model anakova 1 faktor 1 kovarat :

Lebih terperinci

Aplikasi BPF (Band Pass Filter) Digital Untuk Pendeteksian Sinyal AFSK (Amplitudo Shift Keying) Pada Piranti RTTY (Radio Tele Type)

Aplikasi BPF (Band Pass Filter) Digital Untuk Pendeteksian Sinyal AFSK (Amplitudo Shift Keying) Pada Piranti RTTY (Radio Tele Type) TEKNOLOGI DI INDUSTRI (SENIATI) 216 ISSN : 285-4218 Aplkas BPF (Band Pass Fltr) Dgtal Untuk Pndtksan Snyal AFSK (Ampltudo Shft Kyng) Pada Prant RTTY (Rado Tl Typ) Achmad Stawan 1,*, Kusno Suryad 1 1 Tknk

Lebih terperinci

MODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

MODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODUL PERKULIAHAN REKAYASA FONDASI 1 Pnurunan Tanah pada Fondasi Dangkal Fakultas Program Studi Tatap Muka Kod MK Disusun Olh Tknik Prnanaan Tknik A41117AB dan Dsain Sipil 9 Abstrat Modul ini brisi bbrapa

Lebih terperinci

Bab IV Pemodelan dan Perhitungan Sumberdaya Batubara

Bab IV Pemodelan dan Perhitungan Sumberdaya Batubara Bab IV Pemodelan dan Perhtungan Sumberdaa Batubara IV1 Pemodelan Endapan Batubara Pemodelan endapan batubara merupakan tahapan kegatan dalam evaluas sumberdaa batubara ang bertuuan menggambarkan atau menatakan

Lebih terperinci

INTERFERENSI DAN DIFRAKSI

INTERFERENSI DAN DIFRAKSI ITRFRSI DA DIFRAKSI Mata Kulah: Glombang & Optk Dosn: Andhy Stawan andhystawan DIFRAKSI CLAH TUGGAL DA KISI andhystawan B. Dfaks Dfaks mupan gjala pmblon (pnybaan) glombang kt mnjala mlalu clah smpt atau

Lebih terperinci

Presentasi 2. Isi: Solusi Persamaan Diferensial pada Saluran Transmisi

Presentasi 2. Isi: Solusi Persamaan Diferensial pada Saluran Transmisi Prsntasi Isi: Solusi Prsamaan Difrnsial pada Saluran Transmisi Rprsntasi sinyal dalam bntuk phasor Pmikiran Dasar Sinyal harmonis mudah untuk diturunkan dan diintgralkan Smua sinyal fungsi waktu bisa dirprsntasikan

Lebih terperinci

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

BAB I METODE NUMERIK SECARA UMUM

BAB I METODE NUMERIK SECARA UMUM BAB I METODE NUMERIK SECARA UMUM Aplikasi modl matmatika banyak muncul dalam brbagai disiplin ilmu pngtahuan, sprti isika, kimia, konomi, prsoalan rkayasa (tknik msin, sipil, lktro). Modl matmatika yang

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

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

Lebih terperinci

TINGKAT EFISIENSI PENAKSIR M TERHADAP PENAKSIR LMS DALAM MENAKSIR KOEFISIEN GARIS REGRESI

TINGKAT EFISIENSI PENAKSIR M TERHADAP PENAKSIR LMS DALAM MENAKSIR KOEFISIEN GARIS REGRESI INGKA EFISIENSI PENAKSIR M ERHADAP PENAKSIR LMS DALAM MENAKSIR KOEFISIEN GARIS REGRESI Harm Sugart (harm@ut.ac.d) And Megawarn Jurusan Statstk FMIPA Unverstas erbuka ABSRAC he usng of OLS method to estmate

Lebih terperinci

ANALISIS KOVARIANSI part 2

ANALISIS KOVARIANSI part 2 ANALISIS KOVARIANSI part Analss Kovarans merupakan suatu analss statstka untuk mengetahu pengaruh satu atau lebh varabel bebas terhadap varable terkat dengan memperhatkan satu atau lebh varable konkomtan

Lebih terperinci

PENENTUAN NILAI e/m ELEKTRON

PENENTUAN NILAI e/m ELEKTRON Pnntuan Nilai E/m Elktron 013 PENENTUAN NILAI /m ELEKTRON Intan Masruroh S, Anita Susanti, Rza Ruzuqi, Zaky Alam Laboratorium Fisika Radiasi, Dpartmn Fisika Fakultas Sains Dan Tknologi, Univrsitas Airlangga

Lebih terperinci

BAB II TEORI DASAR 2.1 Pengertian Pasang Surut

BAB II TEORI DASAR 2.1 Pengertian Pasang Surut BAB II TEORI DASAR 2.1 Pngrtian Pasang Surut Pasang surut air laut (pasut) adalah pristiwa naik turunnya muka air scara priodik dngan rata-rata priodnya 12,4 jam (di bbrapa tmpat 24,8 jam) (Pond dan Pickard,

Lebih terperinci

REGRESI DAN KORELASI. Penduga Kuadrat Terkecil. Penduga b0 dan b1 yang memenuhi kriterium kuadrat terkecil dapat ditemukan dalam dua cara berikut :

REGRESI DAN KORELASI. Penduga Kuadrat Terkecil. Penduga b0 dan b1 yang memenuhi kriterium kuadrat terkecil dapat ditemukan dalam dua cara berikut : BAHAN AJAR EKONOMETRIKA AGUS TRI BASUKI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA REGRESI DAN KORELASI Tujuan metode kuadrat terkecl adalah menemukan nla dugaan b0 dan b yang menghaslkan jumlah kesalahan kuadrat

Lebih terperinci

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat

Bab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat Mater Kulah Ekspermen Fska Oleh : Drs. Ishaft, M.S. Program Stud Penddkan Fska Unverstas Ahmad Dahlan, 07 Bab 3 Analss Ralat 3.. Menaksr Ralat Msalna suatu besaran dhtung dar besaran terukur,,..., n. Jka

Lebih terperinci

PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN

PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN JIMT ol. 9 No. 1 Juni 01 (Hal. 16 8) Jurnal Ilmiah Matmatika dan Trapan ISSN : 450 766X PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN Nurainun 1, S. Musdalifah,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

Lebih terperinci

A v V i. Gambar 5.1. Rangkaian ekuivalen Thevenin dari suatu penguat tegangan

A v V i. Gambar 5.1. Rangkaian ekuivalen Thevenin dari suatu penguat tegangan Mata kula LKTONKA ANALOG. LOLOH ALK Pngglngan pnguat ( amplr) dapat pula dglngkan dalam 4 macam glngan umum, yatu pnguat tgangan, pnguat aru, pnguat tranantaran dan pnguat trantaanan. Pngglngan n brdaarkan

Lebih terperinci

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3, Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV

Lebih terperinci

METODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Yuli Syafti Purnama 1 ABSTRACT

METODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Yuli Syafti Purnama 1 ABSTRACT METODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Yuli Syafti Purnama Mahasiswa Program Studi S Matmatika Fakultas Matmatika dan Ilmu Pngtahuan Alam Univrsitas Riau Kampus

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

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

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

Lebih terperinci

Pembahasan Soal. Pak Anang SELEKSI MASUK UNIVERSITAS INDONESIA. Disertai TRIK SUPERKILAT dan LOGIKA PRAKTIS. Disusun Oleh :

Pembahasan Soal. Pak Anang SELEKSI MASUK UNIVERSITAS INDONESIA. Disertai TRIK SUPERKILAT dan LOGIKA PRAKTIS. Disusun Oleh : Pmbahasan Soal SELEKSI MASUK UNIVERSITAS INDONESIA Disrtai TRIK SUPERKILAT dan LOGIKA PRAKTIS Disusun Olh : Pak Anang Kumpulan SMART SOLUTION dan TRIK SUPERKILAT Pmbahasan Soal SIMAK UI 2011 Matmatika

Lebih terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk

Lebih terperinci

Gambar IV.6. Gambaran kontur bidang sesar yang menggambarkan bentuk ramp-flat-ramp pada border fault di Sub-cekungan Kiri.

Gambar IV.6. Gambaran kontur bidang sesar yang menggambarkan bentuk ramp-flat-ramp pada border fault di Sub-cekungan Kiri. Pada pta struktur waktu (Gambar IV.4) trlihat bntuk ssar utama yang cukup unik dibagian tngah. Bntuk ini dipngaruhi olh konfigurasi Batuan Dasar yang dihasilkan olh struktur brumur Pra-Trsir. Pada pta

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI

ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI Analisa Pngaruh Pack Carburizing Mnggunakan Arang Mlanding (Mas ad dkk.) ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI Mas ad,

Lebih terperinci

Reduksi data gravitasi

Reduksi data gravitasi Modul 5 Rduksi data gravitasi Rduksi data gravitasi trdiri dari:. Rduksi g toritis. Rduksi fr air 3. Rduksi Bougur 4. Rduksi mdan/trrain. Rduksi g toritis Pnlaahan tntang konsp rduksi data gravitasi lbih

Lebih terperinci

ANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN

ANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN 65 ANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN (Stability and Adaptability Analysis of Highland Ric Gnotyps across Fiv Diffrnt Environmnts) Shrly Rahayu 1,2, Dsta

Lebih terperinci

Bab 6 Sumber dan Perambatan Galat

Bab 6 Sumber dan Perambatan Galat Mtod Pnlitian Suradi Sirgar Bab 6 Sumbr dan Prambatan Galat 6. Sumbr galat. Data masukan, misal hasil pngukuran (galat bawaan). Slama komputasi (galat pross), galat ang timbul akibat komputasi 3. Galat

Lebih terperinci

ANALISIS NOSEL MOTOR ROKET RX LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER

ANALISIS NOSEL MOTOR ROKET RX LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER Analisis Nosl Motor Rokt RX-1 LAPAN... (Ahmad Jamaludin Fitroh, Sari) ANALISIS NOSEL MOTOR ROKET RX - 1 LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER Ahmad Jamaludin Fitroh, Sari Pnliti Pnliti

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI. MICRO BUBBLE GENERATOR Micro Bubbl Gnrator (MBG) mrupakan suatu alat yang difungsikan untuk mnghasilkan glmbung udara dalam ukuran mikro, yaitu glmbung dngan diamtr 00 μm []. Aplikasi

Lebih terperinci

ESTIMASI PARAMETER DARI DISTRIBUSI WEIBULL TERMODIFIKASI

ESTIMASI PARAMETER DARI DISTRIBUSI WEIBULL TERMODIFIKASI ESIMSI PMEE DI DISIBUSI WEIBULL EMODIFIKSI Nama Mahasswa : mboo Puto NP : 48 Juusan : Matmatka FMIP-IS Dosn Pmbmbng : Ds. Fada gustn Wdjajat, MS bstak Sahan dan Zanudn (8) mmpknalkan gnalsas da dstbus

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN BAB IV HASIL DAN PEMBAHASAN. Solusi Numri Modl H-R dngan RKF Modl H-R ang trbntu dari tiga prsamaan diffrnsial ord satu ang saling brhubungan atau tropl. Prsamaan trsbut brsifat autonomous ang brarti brdiri

Lebih terperinci

BAB 2 DASAR TEORI 2.1 TEORI GELOMBANG LINIER. Bab 2 Teori Dasar

BAB 2 DASAR TEORI 2.1 TEORI GELOMBANG LINIER. Bab 2 Teori Dasar BAB 2 DASAR TEORI Glombang air mrupakan manifstasi dari suatu rambatan nrgi yang mmiliki frkunsi dan priod. Glombang air yang trjadi di laut dapat disbabkan olh angin, grakan kapal, gmpa atau gaya gravitasi

Lebih terperinci

Pengaruh Penyisipan Induktor dan Kapasitor pada Sambungan Saluran Udara dan Kabel Distribusi 20 kv terhadap Perambatan Gelombang Tegangan Surja

Pengaruh Penyisipan Induktor dan Kapasitor pada Sambungan Saluran Udara dan Kabel Distribusi 20 kv terhadap Perambatan Gelombang Tegangan Surja 8 Pngaruh Pnyspan Indukor dan Kapasor pada Sambungan Saluran Udara dan Kabl Dsrbus kv rhadap Prambaan Glombang gangan Surja Moch. Dhofr Absrak Dalam ulsan n dpaparkan pngaruh sspan L sr aau C parall danara

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci