Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)

Ukuran: px
Mulai penontonan dengan halaman:

Download "Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)"

Transkripsi

1 JURNAL TEKNIK POMITS Vol, No, (22) -6 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, Nur Wahyunngsh 2, dan I Gust Ngurah Ra Usadha 3 23 Jurusan Mateatka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopeber (ITS) Jl Aref Rahan Hak, Surabaya 6 E-al: nur@ateatkatsacd 2 Abstrak Pasokan energ d asa depan erupakan perasalahan yang senantasa enad perhatan seua bangsa Begtu uga bag Indonesa yang erupakan salah satu negara sedang berkebang, penyedaan energ erupakan faktor yang sangat pentng dala endorong pebangunan Oleh karena tu, dbutuhkan odel peraalan untuk eraalkan pasokan energ prer Akan tetap, data yang terbatas enad asalah untuk eodelkan pasokan energ prer karena dataset kecl tdak dapat dtentukan odelnya dengan etode regres klask Sehngga dala Tugas Akhr n daplkaskan etode Fuzzy Lnear Regresson (FLR) untuk eodelkan peraalan pasokan energ prer dengan varabel bebasnya adalah Produk Doestk Bruto (PDB) dan populas penduduk Hasl odel peraalan dar pendekatan etode Fuzzy Lnear Regresson (FLR) untuk total pasokan energ prer adalah = ( ;5789) + ( 5278,52;) + ( 4548,69; ) 2 dengan nla MAPE sebesar 2,9 % sehngga odel danggap layak Kata Kunc Dataset kecl, Fuzzy Lnear Regresson (FLR), Pasokan Energ Prer I PENDAHULUAN Indonesa erupakan salah satu negara sedang berkebang, pasokan energ erupakan faktor yang sangat pentng dala endorong pebangunan Serng dengan enngkatnya pebangunan terutaa pebangunan d sektor ndustr, pertubuhan ekono dan pertubuhan penduduk, kebutuhan akan energ terus enngkat Sehngga, apabla pasokan energ prer kurang, bsa berakbat buruk terhadap keberlangsungan suatu bangsa Oleh karena tu, butuh odel peraalan untuk eraalkan pasokan energ prer pada tahun-tahun berkutnya Banyaknya data erupakan asalah untuk eodelkan pasokan energ prer karena data yang terseda hanyalah data tahunan bukan bulanan ataupun ngguan Selan tu seseorang tdak dapat engandalkan data pada perode dua puluh sapa tga puluh tahun yang lalu untuk ebangun odel peraalan pasokan energ prer karena keadaan ekono dan sosalnya sudah berbeda Dala hal n varabel yang dgunakan adalah varabel ekono dan sosal salnya Produk Doestk Bruto (PDB) dan populas penduduk Krss ekono, krss energ dan perubahan poltk uga erupakan contoh pentng lannya yang eragukan pada pebenaran enggunakan seua data yang terseda untuk eodelkan Sepert halnya keadaan Indonesa pada asa Orde Baru yang berbeda dengan asa Reforas dar seg poltk, ekono, dan sosalnya Oleh karena tu, kta tdak dapat engandalkan data pada perode tu Sehngga, data yang terseda untuk eodelkan pasokan energ prer n terbatas atau data set kecl Metode Fuzzy Lnear Regresson (FLR) adalah etode yang dapat eodelkan peraalan dengan data set kecl FLR dapat dgunakan untuk enyesuakan data fuzzy dan data crsp ke dala odel regres, sedangkan analss regres hanya bsa dpaka untuk data crsp [] Dala Tugas Akhr n akan daplkaskan etode Fuzzy Lnear Regresson (FLR) untuk eodelkan peraalan dar pasokan energ prer enurut ensnya dengan varabel bebasnya, adalah Produk Doestk Bruto (PDB) dan 2 adalah populas penduduk Jens dar pasokan energ prer tu sendr ada ena yatu batubara, nyak entah, gas bu, tenaga ar, panas bu, dan boassa Data yang dpaka adalah data dar tahun 2-2 yang dabl dar Handbook of Energy & Econoc Statstcs of Indonesa 2, dengan satuan dar pasokan energ prer adalah Barrel of Ol Equvalent (BOE), Produk Doestk Bruto (PDB) adalah Trlyun Rupah dan populas penduduk adalah Rbu [2] Dar data tersebut dcar paraeter fuzzy dar dua pendekatan sehngga terbentuk odel peraalan Keudan dcar berapa besar ukuran kesalahan dar odel tersebut dengan Mean Absolut Percentage Error (MAPE) untuk endapatkan odel peraalan yang terbak II FUZZ LINEAR REGRESSION (FLR) Ada dua pendekatan utaa dala pengebangan odel regres fuzzy, yatu Fuzzy Lnear Regresson (FLR) dan Fuzzy Least Squares Regresson (FLSR) Fuzzy Lnear Regresson (FLR) pertaa kal dperkenalkan oleh Tanaka pada tahun 982 [] Regres fuzzy engestas batasan yang ungkn, dkenal sebaga fungs keanggotaan (ebershp functon) Fungs keanggotaan ddefnskan untuk koefsen dar varabel bebas [3] Tanaka engasuskan fungs dasar fuzzy lner dengan dua pendekatan yatu dengan konstanta dan tanpa konstanta sepert persaaan berkut: = A + A + + A A () N N =

2 JURNAL TEKNIK POMITS Vol, No, (22) -6 2 = A + + A A (2) N N = Dengan adalah varabel dependen, adalah varabel ndependen, A adalah koefsen fuzzy yang dlabangkan dengan A = ( p ; c ), =,2,, dana p erupakan nla tengah dan c erupakan nla sebaran Sehngga persaaan () dan persaaan (2) dapat dtulskan kebal dala persaaan berkut n: = ( p ; c ) + ( p; c ) + + ( p N ; c N ) N (3) atau = ( p + p + + p N N ; c + c + + c N ) = ( p ; c ) + ( p2 ; c2 ) ( p N ; c N ) N (4) atau = ( p + p p N N ; c + c2 + + c N ) Analss regres fuzzy d atas engasuskan nput dan output data set kecl, sedangkan hubungan antara nput dan output data ddefnskan oleh fungs fuzzy Untuk nla dar varabel dependen dapat destas sebaga fuzzy nuber L h U = (,, ), =,2,, n dana batas bawah nterval, nla tengah, batas atas nterval dtunukkan oleh persaaanpersaaan d bawah n L = = h = p = U = p = ( p c ) ( + c ) L = = h = p = U = p = ( p c ) ( + c ) ` (5) (6) (7) (8) (9) () Pada tahun 982 Tanaka enetapkan bahwa hasl penyelesaan odel regres dperoleh dengan perasalahan lnear prograng Untuk data nonfuzzy, obektf dar odel regres dgunakan untuk endapatkan paraeter A dasoaskan dengan nla keanggotaan lebh besar dar h [3] Fungs keanggotaan dengan koefsen fuzzy ke- dtunukkan oleh Gabar [4] Dala regres, koefsen fuzzy ddapatkan dengan enalsas sebaran dar output fuzzy dar seua data set [3] Karena odel Tanaka ash elk kekurangan dala enalsas sebaran aka Chang dan Ayyub ebuat odel atau persaaan yang erupakan perluasan dar odel Tanaka [5] Gabar Fungs keanggotaan dengan faktor (-h) Model Chang dan Ayyub nlah yang dpaka dala Tugas Akhr n Fungs obektf dar odel Chang dan Ayyub dtunukkan oleh persaaan berkut: n Z = n c () c = = n Z = n c (2) c = = Fungs obektf dar persaaan () dan persaaan (2) dnalsas terhadap dua batasan yang dtunukkan oleh persaaan berkut: p + = = ( h) c y p = = ( h) c y (3) p + = = ( h) c y p + = = ( h) c y (4) Untuk enghtung seberapa besar ukuran kesalahan odel peraalan yang ddapatkan dgunakan Mean Absolut Percentage Error (MAPE) MAPE erupakan rata-rata dar keseluruhan persentase kesalahan (selsh) antara data aktual dengan data hasl peraalan [6] Suatu odel dkatakan layak ka nla MAPE berada d bawah %, dan cukup layak ka berada d antara % dan 2% [7] Persaaan MAPE dtunukkan oleh persaaan d bawah n n t Ft x% t= t MAPE = (5) n dengan: t : data aktual perode ke-t F t : data hasl raalan perode ke-t n : banyaknya data yang draalkan

3 JURNAL TEKNIK POMITS Vol, No, (22) -6 3 III HASIL DAN PEMBAHASAN Pada tahap n delaskan tentang pebentukan odel pasokan energ prer dengan etode Fuzzy Lnear Regresson (FLR), hasl raalannya, dan nla Mean Absolute Percentage Error (MAPE) A Penaksran Paraeter Fuzzy Penaksran paraeter fuzzy dlakukan dengan enukan penyebaran (spread), c, dar nla tengah ( p ) blangan fuzzy terhadap fungs-fungs batasan (constran) tertentu Sehngga terbentuk perasalahan progra lner dan perlu dlakukan optas Untuk endapatkan nla p dan c, asukkan data ke dala persaaan fungs obektf pada persaaan () dan persaaan (2), sedangkan untuk batasannya pada persaaan (3) dan persaaan (4) dengan easukkan nla h tral dan error dar sapa,9 Nla h yang dabl adalah blangan sepersepuluh dar sapa,9 Hasl perhtungan dapat dlhat pada Tabel B Model Peraalan Setelah endapatkan nla taksran dar paraeter fuzzy aka dapat terbentuk odel dengan easukkan hasl tersebut ke dala persaaan (3) dan persaaan (4) Berkut n adalah odel peraalan dar asng-asng ens pasokan energ prer Pasokan Energ Batubara a Dengan konstanta = ( ; 4232) + ( 3242,3 ; ) + ( 429,794 ; ) 2 = ( 39376,74 ; ) + ( 284,882 ; 53,525) 2 2 Pasokan Energ Mnyak Mentah a Dengan konstanta = ( ; ) + ( 2374,68 ; ) + ( 249,978 ; ) 2 = ( ; 22,387) + ( 285,479 ; 9,833) 2 3 Pasokan Energ Gas Bu a Dengan konstanta = + = 7853,277 ; ,298 ; 2, Pasokan Energ Tenaga Ar a Dengan konstanta = ( ; ) + ( 2665,543 ; ) + ( 87,83874 ; ) 2 = ( 462,567 ;,649) + (,58 ;,3939) 2 5 Pasokan Energ Panas Bu a Dengan konnstanta = ( ; 89398,8) + ( 77,8 ; ) + ( ; ) 2 = ( 85,4472 ; 23,47) + ( 4,6228 ; ) 2 6 Pasokan Energ Boassa a Dengan konstanta = ( ; 3698) + ( 879,252 ; ) + ( 34,597 ; ) 2 = ( ; 273,442) + ( 273,395 ; 23,4343) 2 7 Total Pasokan Energ Prer a Dengan konstanta = ; ,52 ; ,69 ; = 48492,33 ; 35, ,5 ; 33,64 ( ; 33566) + ( 854,4 ; ) ( ; ) 2 ( ) ( ) 2 ( ) ( ) ( ) 2 ( ) ( ) 2 C Nla Peraalan Nla peraalan dar tap-tap ens pasokan energ prer ddapat dengan easukkan nla p dan c ke dala persaaan (6) dan persaaan (9) Sedangkan untuk batas atas nterval ddapat dengan easukkan nla p dan c ke dala persaaan (5) dan persaaan (8) Untuk batas bawah nterval ddapat dar persaaan (7) dan persaaan () Hasl dar nla peraalan, batas atas nterval, dan batas bawah nterval tersebut dapat dlhat pada Tabel 2 dan Tabel 3 Tabel Nla Paraeter Fuzzy Dengan Konstanta Tanpa Konstanta JENIS h ( p ;c ) ( ;c ) 2 ;c 2 ) ; c ) 2 ;c 2 ) Batubara, (, 4232) (32423, ) (429794, ), ( , ) (284882, 53525) Mnyak Mentah, (, ) (237468, ) (249978, ), (, 22387) (285479, 9833) Gas Bu, (38586, 33566) (8544, ) (, ), ( , ) (82298, ) Tenaga Ar, (, ) ( , ) ( ,), (462567, 649) (58, 3939) Panas Bu, (757488, ) (778, ) (, ), (854472, 2347) (46228, ) Boassa, (989222, 3698) (879252, ) (879252, ), (, ) (273395, ) Total Pasokan Energ Prer, (, 5789) (527852, ) (454869, ), ( , 3539) (4655, 3364)

4 JURNAL TEKNIK POMITS Vol, No, (22) -6 4 TAHUN INTERVAL BATUBARA Tabel 2 Nla Peraalan Dengan Konstanta MINAK TENAGA GAS BUMI MENTAH AIR PANAS BUMI BIOMASSA TOTAL PASOKAN ENERGI PRIMER Batas Atas Nla Raalan Batas Bawah Batas Atas Nla Raalan Batas Bawah Batas Atas Nla Raalan Batas Bawah Batas Atas Nla Raalan Batas Bawah Batas Atas Nla Raalan Batas Bawah TAHUN INTERVAL BATUBARA Tabel 3 Nla Peraalan Tanpa Konstanta MINAK TENAGA GAS BUMI MENTAH AIR PANAS BUMI BIOMASSA TOTAL PASOKAN ENERGI PRIMER Batas Atas Nla Raalan Batas Bawah Batas Atas Nla Raalan Batas Bawah Batas Atas Nla Raalan Batas Bawah Batas Atas Nla Raalan Batas Bawah Batas Atas Nla Raalan Batas Bawah D Ukuran Kesalahan Model Ukuran kesalahan dar odel peraalan dhtung dengan enggunakan persaaan (5) Dar persaaan tersebut ukuran kesalahan dar asng-asng ens pasokan energ prer yang dapat dlhat pada Tabel 4 E Analss Hasl Berkut n adalah hasl analss dar asng-asng pasokan energ prer Pasokan Energ Batubara Model peraalan terbak dar batubara yatu = ; ,3 ; + 429,794 ; dengan ( ) ( ) ( ) 2 nla MAPE,76% Dar odel tersebut dketahu ka (PDB) bertabah satu satuan aka (raalan pasokan energ batubara) akan bertabah sebesar 3242,3 satuan dengan syarat 2 (populas penduduk) tetap Jka 2 (populas penduduk) bertabah satu satuan aka akan bertabah sebesar 429,794 satuan dengan syarat (PDB) bernla konstan Jka (PDB) dan 2 (populas penduduk) konstan aka nla bsa bertabah atau berkurang sebesar 42322

5 JURNAL TEKNIK POMITS Vol, No, (22) -6 5 Tabel 4 Ukuran Kesalahan (MAPE) dar Model Peraalan JENIS Dengan Konstanta Tanpa Konstanta BATUBARA,76% 4,23% MINAK MENTAH 4,57% 4,4% GAS BUMI 6,77%,6% TENAGA AIR 5,8% 6,35% PANAS BUMI 3,69% 4,2% BIOMASSA,79% 4,37% TOTAL 2,9% 2,5% 2 Pasokan Energ Mnyak Mentah Model peraalan terbak dar nyak entah, yatu = ( ; 22,387) + ( 285,479 ; 9,833) 2 dengan nla MAPE 4,4 % Dar odel tersebut dketahu bahwa ka (PDB) bertabah satu satuan aka (raalan pasokan energ nyak entah) tdak bertabah dengan syarat 2 (populas penduduk) bernla konstan dan nla berada pada rentang ± 22,387 Jka 2 (populas penduduk) bertabah satu satuan aka nla bertabah sebesar 285,479 dengan syarat bernla konstan dan nla 2 berada pada rentang 285,479 ± 9,833 3 Pasokan Energ Gas Bu Model peraalan terbak dar gas bu yatu = ( ; 33566) + ( 854,4; ) + ( ; ) 2 dengan nla MAPE 6,77 % Dar odel tersebut dketahu ka (PDB) bertabah satu satuan aka (raalan pasokan energ gas bu) akan bertabah sebesar 854,4 satuan dengan syarat 2 bernla konstan Varabel 2 (populas penduduk) tdak berpengaruh terhadap nla pasokan energ gas bu Jka dan 2 konstan aka nla sebesar dan nla berada pada rentang ± Pasokan Energ Tenaga Ar Model peraalan terbak dar tenaga ar yatu = ; ,543 ; + 87,83874 ; dengan ( ) ( ) ( ) 2 nla MAPE 5,8 % Dar odel tersebut dketahu bahwa ka (PDB) bertabah satu satuan aka nla (raalan pasokan energ tenaga ar) bertabah sebesar 2665,543 dengan syarat 2 (populas penduduk) bernla konstan Jka 2 (populas penduduk) bertabah satu satuan aka nla bertabah sebesar 87,83874 dengan syarat (PDB) berla konstan Jka nla (PDB) dan 2 (populas penduduk) konstan aka nla bsa bertabah atau berkurang sebesar Pasokan Energ Panas Bu Model peraalan terbak dar panas bu yatu = ; 89398,8 + 77,8 ; + ; dengan ( ) ( ) ( ) 2 nla MAPE 3,69 % Dar odel tersebut dketahu ka (PDB) bertabah satu satuan aka nla (raalan pasokan energ panas bu) bertabah sebesar 77,8 dengan syarat 2 (populas penduduk) bernla konstan Varabel 2 (populas penduduk) tdak berpengaruh terhadap nla pasokan energ tenaga ar Jka nla (PDB) dan 2 (populas penduduk) konstan aka nla sebesar dan nla berada pada rentang ± 89398,8 6 Pasokan Energ Boassa Model peraalan terbak dar boassa, yatu = ( ; 3698) + ( 879,252 ; ) + ( 34,597 ; ) 2 dengan nla MAPE,79 % Dar odel tersebut dketahu bahwa ka (PDB) bertabah satu satuan aka nla (raalan pasokan energ boassa) bertabah sebesar 879,252 dengan syarat 2 (populas penduduk) bernla konstan Jka 2 (populas penduduk) bertabah satu satuan aka nla bertabah sebesar 34,597 dengan syarat konstan Jka nla (PDB) dan 2 (populas penduduk) konstan aka nla sebesar dan nla berada pada rentang ± Total Pasokan Energ Prer Model peraalan terbak dar total pasokan energ prer = ; ,52 ; ,69 ; yatu ( ) ( ) ( ) 2 dengan nla MAPE 2,9 % Dar odel tersebut dketahu bahwa ka (PDB) bertabah satu satuan aka nla (raalan total pasokan energ prer) bertabah sebesar 5278,52 dengan syarat 2 (populas penduduk) bernla konstan Jka 2 (populas penduduk) bertabah satu satuan aka nla bertabah sebesar 4548,69 dengan syarat konstan Jka nla (PDB) dan 2 (populas penduduk) konstan aka nla bsa bertabah atau berkurang sebesar 5789 IV KESIMPULAN Dar keseluruhan hasl analss yang telah dlakukan dala Tugas Akhr n, dapat dperoleh kespulan sebaga berkut : Dengan enggunakan pendekatan etode Fuzzy Lnear Regresson dperoleh odel dar asng-asng ens pasokan energ prer sebaga berkut: a Model peraalan pasokan energ batubara adalah = ( ; 4232) + ( 3242,3 ; ) + ( 429,794 ; ) 2 b Model peraalan pasokan energ nyak entah adalah = ( ; 22,387) + ( 285,479 ; 9,833) 2 c Model peraalan pasokan energ gas bu adalah = ( ; 33566) + ( 854,4 ; ) + ( ; ) 2 d Model peraalan pasokan energ tenaga ar adalah = ( ; ) + ( 2665,543 ; ) + ( 87,83874 ; ) 2 e Model peraalan pasokan energ panas bu adalah = ; 89398,8 + 77,8 ; + ; ( ) ( ) ( ) 2

6 JURNAL TEKNIK POMITS Vol, No, (22) -6 6 f Model peraalan pasokan energ boassa adalah = ( ; 3698) + ( 879,252 ; ) + ( 34,597 ; ) 2 g Model peraalan total pasokan energ prer adalah = ( ; 5789) + ( 5278,52 ; ) + ( 4548,69 ; ) 2 2 Dengan enggunakan perhtungan MAPE aka ddapatkan ukuran kesalahan dar asng-asng ens pasokan energ prer yatu pasokan energ batubara,76%, pasokan energ nyak entah 4,4%, pasokan energ gas bu 6,77%, pasokan energ tenaga ar 5,8%, pasokan energ panas bu 3,69%, pasokan energ boassa,79%, dan total pasokan energ prer 2,9% DAFTAR PUSTAKA [] Azadeh, A, Saber, M, Asadzadeh, SM, Khakestan, M, A Hybrd Fuzzy Matheatcal Prograng-Desgn of Experent Fraework for Iproveent of Energy Consupton Estaton Wth Sall Data Sets and Uncertanty: The Case of USA, Canada, Sngapore, Pakstan, and Iran, Journal of Energy, (2) -2 [2] (22, February 8) Handbook of Energy & Econoc Statstcs of Indonesa 2 Avalable: [3] Astut, DR, Peraalan Beban Jangka Pendek untuk Har-har Lbur Menggunakan Fuzzy Lnear Regresson (FLR) yang Doptas dengan Artfcal Iune Syste (AIS) (Stud Kass d Kalantan Selatan- Tengah), Tugas Akhr S Jurusan Elektro, Insttut Teknolog Sepuluh Nopeber Surabaya, (29) [4] Shapro, AF, Fuzzy Regresson Models, Artcle of Penn State Unversty, (25) [5] Azadeh, A, Khakestan, M, Saber, M, A Flexble Fuzzy Regresson Algorth for Forecastng Ol Consupton Estaton Journal of Energy Polcy 37, (29) [6] Andryanto, US dkk, Metode dan Aplkas Peraalan Jakarta: Erlangga, (992) [7] Rahara, A, Angraen, W, Vnart, RA, Penerapan Metode Exponental Soothng Untuk Peraalan Penggunaan Waktu Telepon D PT Telkosel Dvre3 Surabaya, Tugas Akhr S Jurusan Sste Inforas, Insttut Teknolog Sepuluh Nopeber Surabaya, (2)

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR)

Model Peramalan Pasokan Energi Primer Dengan Pendekatan Metode Fuzzy Linear Regression (FLR) JURNAL SAINS DAN SENI ITS Vol 1, No 1, (Sept 2012) ISSN: 2301-928 A-34 Model Peraalan Pasokan Energ Prer Dengan Pendekatan Metode Fuzzy Lnear Regresson (FLR) Hkayangkara Putr Purwareta, I Gust Ngurah Ra

Lebih terperinci

MODEL PERAMALAN PASOKAN ENERGI PRIMER DENGAN PENDEKATAN METODE FUZZY LINEAR REGRESSION (FLR)

MODEL PERAMALAN PASOKAN ENERGI PRIMER DENGAN PENDEKATAN METODE FUZZY LINEAR REGRESSION (FLR) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2012 SIDANG TUGAS AKHIR MODEL PERAMALAN PASOKAN ENERGI PRIMER DENGAN PENDEKATAN METODE FUZZY

Lebih terperinci

SEMINAR HASIL TUGAS AKHIR

SEMINAR HASIL TUGAS AKHIR SEMINAR HASIL TUGAS AKHIR Model Peramalan Konsumsi Energi Final dengan Menggunakan Metode Regresi Fuzzy Untuk Dataset Kecil (Studi Kasus: Indonesia) Oleh: Alfi Lailah (1207 100 065) Dosen Pembimbing: Dra.

Lebih terperinci

Pelabelan Total Sisi Ajaib Pada Subkelas Pohon

Pelabelan Total Sisi Ajaib Pada Subkelas Pohon Pelabelan Total Ss Ajab Pada Subkelas Pohon Hlda Rzky Nngtyas, Dr Daraj, SS, MT [] Jurusan Mateatka, Fakultas MIPA, Insttut Teknolog Sepuluh Nopeber (ITS Jl Aref Rahan Hak, Surabaya 60 E-al: daraj@ateatkatsacd

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6)

Penerapan Aljabar Matrik Dalam Analisa Masukan-Keluaran Elistya Rimawati 6) ISSN : 693 73 Penerapan Aljabar Matrk Dala Analsa Masukan-Keluaran Elstya Rawat 6) Abstrak Analsa asukan-keluaran bertolak dar anggapan bahwa suatu sste perekonoan terdr atas sector-sektor yang salng berkatan.

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

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

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bntaro Sektor 7, Bntaro Jaya Tangerang Selatan 15224 PENDAHULUAN Bangktan perjalanan (Trp generaton model ) adalah suatu tahapan

Lebih terperinci

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL

PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL PEMODELAN ANGKA PUTUS SEKOLAH USIA SMA DI AWA TIMUR DENGAN PENDEKATAN REGRESI SPLINE MULTIVARIABEL Mega Pradpta, Madu Ratna, I Nyoan Budantara urusan Statstka Fakultas MIPA Insttut Teknolog Sepuluh Nopeber

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

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

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

MODUL ANALISIS PENGUKURAN FISIKA. Disusun Oleh: Kuncoro Asih Nugroho, M.Pd., M.Sc.

MODUL ANALISIS PENGUKURAN FISIKA. Disusun Oleh: Kuncoro Asih Nugroho, M.Pd., M.Sc. MODUL ANALISIS PENGUKURAN FISIKA Dsusun Oleh: Kuncoro Ash Nugroho, M.Pd., M.Sc. JURUSAN PENDIDIKAN FISIKA FAKULTAS MATEMATIKAN DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA YOGYAKARTA BAB I METODE

Lebih terperinci

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM

MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam

Lebih terperinci

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

Bab VII Contoh Aplikasi

Bab VII Contoh Aplikasi Bab VII Contoh Aplkas Dala bab n akan dberkan lustras tentang aplkas statstk penguj VVVS dala eontor kestablan atrks korelas pada proses produks dudukan kabel tegangan tngg (flange) d PT PINDAD (Persero).

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosdng Senar Sans dan Teknolog FMIPA Unul Perode Maret 016, Saarnda, Indonesa ISBN: 978-60-7658-1-3 Pengendalan Kualtas Produk Menggunakan Peta Kendal T Hotellng Dan Analss Keapuan Proses Untuk Data Multvarat

Lebih terperinci

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums

Lebih terperinci

PowerPoint Slides by Yana Rohmana Education University of Indonesian

PowerPoint Slides by Yana Rohmana Education University of Indonesian SIFAT-SIFAT ANALISIS REGRESI PowerPont Sldes by Yana Rohmana Educaton Unversty of Indonesan 2007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 229 Bandung, Telp. 022 2013163-2523 Hal-hal yang akan

Lebih terperinci

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

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

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

PENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN

PENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN PENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN Yulana Abstrak:Model persamaan regres lnear dapat dnyatakan dalam bentuk matrks

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

Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting

Peramalan Produksi Sayuran Di Kota Pekanbaru Menggunakan Metode Forcasting Peramalan Produks Sayuran D Kota Pekanbaru Menggunakan Metode Forcastng Esrska 1 dan M. M. Nzam 2 1,2 Jurusan Matematka, Fakultas Sans dan Teknolog, UIN Sultan Syarf Kasm Rau Jl. HR. Soebrantas No. 155

Lebih terperinci

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan

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

Analitik Data Tingkat Lanjut (Regresi)

Analitik Data Tingkat Lanjut (Regresi) 0 Oktober 206 Analtk Data Tngkat Lanut (Regres) Imam Cholssodn mam.cholssodn@gmal.com Pokok Bahasan. Konsep Regres 2. Analss Teknkal dan Fundamental 3. Regres Lnear & Regres Logstc (Optonal) 4. Regres

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,

Lebih terperinci

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA

DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

BAB IV PEMBAHASAN DB 10 = TP 13 DB 10 = TP 12 DB 9 = TP 11. Gambar 12 Site Layout Proyek Holland Village Cempaka Putih

BAB IV PEMBAHASAN DB 10 = TP 13 DB 10 = TP 12 DB 9 = TP 11. Gambar 12 Site Layout Proyek Holland Village Cempaka Putih BAB IV PEMBAHASAN 4.1. Data untuk encar nla alpha Berkut dberkan ste layout Proyek Holland Vllage Cepaka Puth. DB 15 = TP 14 DB 10 = TP 13 DB 10 = TP 1 DB 9 = TP 11 DB 13 = TP DB 7 = TP-A5 DB 6 = TP-A3

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

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

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

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

Lebih terperinci

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi ) APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Stud Kasus d PT. Snar Terang Abad ) Bagus Suryo Ad Utomo 1203 109 001 Dosen Pembmbng: Drs. I Gst Ngr Ra Usadha, M.S Jurusan Matematka

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif

BAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses

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

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat

Lebih terperinci

STATISTICAL STUDENT OF IST AKPRIND

STATISTICAL STUDENT OF IST AKPRIND E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan

Lebih terperinci

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE

BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel 4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk

Lebih terperinci

PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA

PENERAPAN LOGIKA FUZZY DALAM PENGAMBILAN KEPUTUSAN UNTUK JALUR PEMINATAN MAHASISWA onferens Nasonal Sste dan Inforatka 09; Bal, Noveber 4, 09 PENERAPAN LOGIA FUZZY DALAM PENGAMBILAN EPUTUSAN UNTU JALUR PEMINATAN MAHASISWA Sauel Lukas*, Melayana**, Wlla Sson* * Jurusan Teknk Inforatka

Lebih terperinci

Analisis Sensitivitas

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS

MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 PENDHULUN 1.1 Latar elakang Dala pelaksanaan proyek serng kal engala suatu habatan atau penypangan sehngga serng terad kerugan bag penyelesaan proyek tersebut. Untuk tu perlu adanya suatu perencanaan

Lebih terperinci

V ANALISIS VARIABEL MODERASI DAN MEDIASI

V ANALISIS VARIABEL MODERASI DAN MEDIASI Solmun Program Stud Statstka FMIPA UB 31 V ANALISIS VARIABEL MODERASI DAN MEDIASI A. Pengertan Varabel Moderas Varabel Moderas adalah varabel yang bersfat memperkuat atau memperlemah pengaruh varabel penjelas

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada

Lebih terperinci

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan

Lebih terperinci

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan

Lebih terperinci

BAB 2 TINJAUAN KEPUSTAKAAN

BAB 2 TINJAUAN KEPUSTAKAAN BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud

Lebih terperinci

Pengendalian Kualitas Proses Produksi Tube Plastik Di Pt. X Menggunakan Peta Kendali P Multivariat

Pengendalian Kualitas Proses Produksi Tube Plastik Di Pt. X Menggunakan Peta Kendali P Multivariat JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-35 (3-98X Prnt) D-95 Pengendalan Kualtas Proses Produks Tube Plastk D Pt. X Menggunakan Peta Kendal P Multvarat Ia Rdo Rarso, Luca Ardnant, dan Muhaad Mashur

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL Analss sumbangan sektor-sektor ekonom d Bal terhadap pembangunan ekonom nasonal bertujuan untuk mengetahu bagamana pertumbuhan dan

Lebih terperinci

ALJABAR LINIER LANJUT

ALJABAR LINIER LANJUT ALABAR LINIER LANUT Ruang Bars dan Ruang Kolom suatu Matrks Msalkan A adalah matrks mnatas lapangan F. Bars pada matrks A merentang subruang F n dsebut ruang bars A, dnotaskan dengan rs(a) dan kolom pada

Lebih terperinci

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani    / KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.

Lebih terperinci

METODE LEVENBERG MARQUARDT UNTUK MASALAH KUADRAT TERKECIL NONLINEAR

METODE LEVENBERG MARQUARDT UNTUK MASALAH KUADRAT TERKECIL NONLINEAR PROSIDING ISBN : 978 979 6353 3 MEODE LEVENBERG MARQUARD UNUK MASALAH KUADRA ERKECIL NONLINEAR -8 Lusa Krsyat Budash Progra Stud Mateatka Unverstas Sanata Dhara Yogyakarta lusa_krs@sta.usd.ac.d Abstrak

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,

Lebih terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu 4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013

Lebih terperinci

ANALISIS PERFORMANSI SUPPORT VECTOR REGRESSION DALAM MEMPREDIKSI BONUS TAHUNAN KARYAWAN

ANALISIS PERFORMANSI SUPPORT VECTOR REGRESSION DALAM MEMPREDIKSI BONUS TAHUNAN KARYAWAN ANALISIS PERFORMANSI SUPPORT VECTOR REGRESSION DALAM MEMPREDIKSI BONUS TAHUNAN KARYAWAN Dana Puspta Sar Progra Stud Teknk Industr Unverstas Dponegoro Searang Jl. Prof Sudarto, SH., Searang dana_psptsr@yahoo.co

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

PENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar)

PENENTUAN UKURAN CONTOH OPTIMUM DESAIN TWO STAGE CLUSTER SAMPLING (Studi Kasus Pendugaan Variabel Demografi di Kabupaten Blitar) J. Sans IPA, Aprl 009, Vol. 5, o., Hal.: 66-70 ISS 978-873 PEETUA UKURA COTOH OPTIU DESAI TWO STAGE CLUSTER SAPLIG (Stud Kasus Pendugaan Varabel Deograf d Kabupaten Bltar) Rusda Yulyant* Pusat Peneltan

Lebih terperinci

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan

III PEMBAHASAN. merupakan cash flow pada periode i, dan C. berturut-turut menyatakan nilai rata-rata dari V. dan Pada bab n akan dbahas mengena penyelesaan masalah ops real menggunakan pohon keputusan bnomal. Dalam menentukan penlaan proyek, dapat dgunakan beberapa metode d antaranya dscounted cash flow (DF). DF

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Bab n akan menjelaskan latar belakang pemlhan metode yang dgunakan untuk mengestmas partspas sekolah. Propns Sumatera Barat dplh sebaga daerah stud peneltan. Setap varabel yang

Lebih terperinci

Dalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang

Dalam sistem pengendalian berhirarki 2 level, maka optimasi dapat. dilakukan pada level pertama yaitu pengambil keputusan level pertama yang LARGE SCALE SYSEM Course by Dr. Ars rwyatno, S, M Dept. of Electrcal Engneerng Dponegoro Unversty BAB V OPIMASI SISEM Dalam sstem pengendalan berhrark level, maka optmas dapat dlakukan pada level pertama

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan

BAB III METODE PENELITIAN. Penelitian ini merupakan penelitian yang bertujuan untuk mendeskripsikan BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan yang bertujuan untuk mendeskrpskan langkah-langkah pengembangan perangkat pembelajaran matematka berbass teor varas berupa Rencana

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

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN Latar elakang Sekolah merupakan salah satu bagan pentng dalam penddkan Oleh karena tu sekolah harus memperhatkan bagan-bagan yang ada d dalamnya Salah satu bagan pentng yang tdak dapat dpsahkan

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan

Lebih terperinci

BAB IV PENGUJIAN DAN ANALISA

BAB IV PENGUJIAN DAN ANALISA BAB IV PENGUJIAN DAN ANALISA 4. PENGUJIAN PENGUKURAN KECEPATAN PUTAR BERBASIS REAL TIME LINUX Dalam membuktkan kelayakan dan kehandalan pengukuran kecepatan putar berbass RTLnux n, dlakukan pengujan dalam

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN Kajan Kebjakan Penetapan Harga Bahan Bakar Mnyak Jens Bensn Premum d Indonesa 3.1 Tahapan Peneltan BAB III METODOLOGI PENELITIAN Data yang akan dgunakan dalam peneltan n ddapat dar berbaga sumber sepert

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

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