Aplikasi Konsep Kriging pada Data Simulasi Gangguan Geomagnet Lokal

Ukuran: px
Mulai penontonan dengan halaman:

Download "Aplikasi Konsep Kriging pada Data Simulasi Gangguan Geomagnet Lokal"

Transkripsi

1 Statstka, Vol. 4 No., 40 Me 04 Alkas Konse Krgng ada Data Smulas Gangguan Geomagnet Lokal John Masuu Pusfatsansa LAPAN, Jl. Dr. Djundjunan No. Bandung 407, Tl Pes. 06. Fax E-mal: john_ms@ahoo.com Abstrak Makalah n membahas alkas konse Krgng ada data smulas gangguan geomagnet lokal dar (tga lokas observas (stason geomagnet-sg. Konse n asal mulana dar wlaah geostatstk, namun sekarang secara luas dgunakan dalam wlaah analsa sasal. Teknk n juga dkenal sebaga regres roses Gauss (Gaussan rocess regresson, redks Kolmogorov-Wener (Kolmogorov-Wener redcton, atau redks ketakbasan lner terbak (Best Lnear Unbased Predcton. Dengan demkan tujuan embahasan makalah n adalah, untuk melakukan estmas atau nterolas gangguan geomagnet dsektar tga stason geomagnet (lokas observas tersebut. Sedangkan metode ang dgunakan untuk merealsas tujuan d atas n adalah unctual krgng. Kontrbus hasl estmas atau nterolas gangguan geomagnet n nantna dgunakan sebaga dasar embuatan eta atau kontur gangguan geomagnet d sektar ketga lokas observas tersebut. Kata kunc : Konse Krgng, Data smulas, Gangguan geomagnet lokal.. PENDAHULUAN Menurut Cresse (990 stlah krgng dambl dar nama seorang ahl matematka Geolog, atu D.G. Krge, ang ertama kal menggunakan korelas sasal dan estmator ang tdak bas. Istlah krgng derkenalkan oleh G. Matheron untuk menonjolkan metode khusus dalam movng average terbobot (weghted movng average ang memnmalkan varans dar hasl estmas (lhat Cresse, N, 99. Krgng adalah suatu metode geostatstka ang memanfaatkan nla sasal ada lokas tersamel dan varogram untuk memredks nla ada lokas lan ang belum atau tdak tersamel dmana nla redks tersebut tergantung ada kedekatanna terhada lokas tersamel (lhat Matheron, G.; 96. Pada eneraanna: Krgng dberlakukan asums kestasoneran dalam rata-rata (μ dan varans (σ. Jka asums kestasoneran tersebut tdak terenuh maka krgng menghaslkan nla redks ang kurang ress (lhat Isaaks, E. H. and Srvastava, R. M., 989 dan Sten, M. L, 999. Sedangkan gangguan geomagnet meruakan selsh ost antara nla varas medan geomagnet ang terukur dengan nla varas Sq (solar quet alng tenang dalam satu bulan ang dtnjau d ketga lokas observas tersebut. Dengan demkan tujuan embahasan makalah n adalah untuk melakukan estmas atau nterolas gangguan geomagnet dsektar ketga stason geomagnet tersebut. Namun ang menjad masalah adalah bagamana menentukan bobot krgng ang daka untuk mengestmas nla gangguan dsektar ketga lokas observas. Atau dengan erkataan lan bagamana menentukan rosedur alkas konse krgng n untuk mengnterolas gangguan geomagnet. Untuk menjawab ermasalahan d atas n, erlu dsusun suatu metodolog ang teat dan daat menelesakan masalah tersebut. Dengan demkan hasl ang deroleh dar alkas n nantna memuna kontrbus sebaga dasar embuatan eta atau kontur gangguan geomagnet d sektar ketga lokas observas tersebut.. TEORI DAN METODE Konse krgng ang dgunakan dalam embahasan makalah n adalah menangkut unctual krgng (lhat Davs, J.C ;986 atau ordnar krgng (lhat Emer, X ; 005 dengan asums stasoner ada semua varabel acak terkat. Sedangkan fokus eneraanna ada data smulas gangguan geomagnet lokal dar tga lokas observas. Beberaa ungkaan ang terkat dengan konse n akan djelaskan dalam bentuk defns sebaga berkut :

2 John Masuu Defns. Estmator Krgng meruakan kombnas lner khusus dar nla varabel samel ang dketahu atau dtuls secara matemats sebaga berkut, w dengan n n w. Dalam hal n w adalah koefsen bobot dar dan n adalah banak samel. Penentuan nla koefsen bobot w adalah dengan cara memnmalkan varans galat (error varance. Dalam hal n varans galat daat dformulaskan sebaga, σ Var( Var[ w ]. Dengan adalah nla sesungguhna ang tak dketahu, adalah nla estmas dar ε ( adalah galat estmas s ε ( n adalah varans galat s s ε ε adalah standar devas galat Konse krgng n bersfat BLUE (Best, Lnear,Unbased Estmator. Best (terbak, atu memnmalkan varans galat estmatorna dengan menggunakan engal Lagrange dan Lnear n (lner, erhatkan w jelas adalah fungs lner. Sedangkan Unbased Estmator ( enaksr tak bas, artna E( n akan berakbat ada n w. Defns. Semvarans adalah suatu nla terukur ang menatakan derajat ketergantungan terhada ruang (the degree of satal deence antara masng-masng samel. Besaran semvarans antar samel tergantung ada masng-masng jarak. Defns. Semvarogram (h ddefnskan sebaga setengah varans dar dua nla observas ang tersah sejauh h, sehngga daat dtuls dalam bentuk matematkna sebaga berkut : var[ z ( s + h z ( s]. Statstka, Vol. 4, No., Me 04

3 Alkas Konse Krgng ada Data Smulas Sfat-sfat semvarogram Untuk dua data ang berjarak nol, nla semvarogramna sama dengan nol. Dtuls ( 0 0. Nla semvarogram selalu nonnegatf. Dtuls 0. Semvarogram meruakan funs gena. Dtuls ( h. Sedangkan karakterstk semvarogram ang terkat dsn adalah Sll dan Range ang dnatakan dalam defns berkut : Defns 4. sll adalah sebuah nla varogram ang besarna akan selalu konstan ada suatu jarak tertentu atau raktsna nla Sll sama dengan nla dar varans data ang tersamel. Defns 5. Range adalah jarak ada saat nla varogram mencaa Sll, atau raktsna nla Range sama dengan selsh antara nla data maksmum dan nla data mnmum. Beberaa Model Semvarans secara Teorts antara lan adalah: Model Shercal, C [ h a ( C, h a ], untuk h a untuk h > a Keterangan : h adalah jarak lokas antar samel. C adalah sll atu nla varogram ang besarna akan selalu konstan ada suatu jarak tertentu. a adalah range atu jarak ada saat nla varogram mencaa Sll. [ h Model Eksonensal, C ] e a h Model Gauss, C ( [ ] e a Selanjutna dtamlkan juga gambar ketga model semvarogram teorts d bawah n. Gambar. Model dar ketga Semvaraogram teorts 4 Model Lner, h α h (, dengan α adalah sloe arameter. Statstka, Vol. 4, No., Me 04

4 4 John Masuu 5 Model Lner ang dmodfkas, α h, untuk h < a σ untuk h a 0 Defns 6. Semvarogram emrs umumna dhtung dar data samel dengan menggunakan N( h N( h s adalah lokas ttk samel. z( s adalah nla observas ada lokas s, h s, s + h adalah asangan ttk samel ang berjarak N adalah banakna asangan data berbeda ang memlk jarak h. formulas berkut, [ z( s + h z( s ]... ( dengan, adalah jarak antara dua ttk samel, h, (h Msalkan dbuat suatu estmas Krgng dar nla d ttk P dar (tga observas ang dketahu atu :, dan dengan bobot masng-masng untuk ersamaan Krgng, w w dan w. Untuk mendaatkan solus ang dngnkan n derlukan (tga ersamaan smultan berkut dan dtambahkan dengan (satu ersamaan ersaratan embobotan (atu enjumlahan semua bobot adalah samadengan (satu untuk menjamn ketakbasan solus tersebut. Sehngga setelah djabarkan terdaat 4(emat ersamaan sebaga berkut: w ( w ( w ( h P w ( w ( w ( h P w ( w ( w ( h P...( adalah semvarans terhada suatu jarak h Dengan sarat w + w + w dan (hj ang berkoresondens secara tersah antara ttk-ttk dan j (,, ; j,,,p. Dengan demkan n menunjukkan suatu sstem ersamaan ang terdr dar 4 (emat ersamaan dengan (tga varabel ang tak dketahu atu: w, w dan w. Selanjutna dgunakan derajat kebebasan ekstra untuk meaknkan bahwa solus tersebut memlk galat estmas mnmum. Untuk tu dtambahkan suatu varabel slek λ ada sstem ersamaan d atas ang basana dsebut sebaga engal Lagrange. Dengan demkan sstem ersamaan ( menjad, w ( w ( w ( λ P w ( w ( w ( λ P w ( w ( w ( λ P w + w + w ( Statstka, Vol. 4, No., Me 04

5 Alkas Konse Krgng ada Data Smulas 5 Sstem ersamaan ( n daat dtuls dalam bentuk matrks sebaga berkut: 0 w w w λ P P...(4 P Atau dtuls A W B...(5 Jad W A -. B...(6 Dengan W adalah vektor koefsen ang tak dketahu, sedangkan matrks A dan vektor B dambl langsung dar nla semvarans. Dar ersamaan (6 deroleh w, w, w dan λ, sehngga w + w + w...(7 Dengan varans estmas adalah ε ( P + ( P + ( P s w h h h + λ w w...(8 Atau T...(9 s ε w B Selanjutna tahaan kegatan eneltan ang dlakukan n daat djabarkan dalam beberaa langkah berkut:. Komlas data oss geografs dar beberaa ttk samel (stason geomagnet ang dgunakan sebaga lokas observas.. Komlas data oss geografs dar beberaa ttk samel ang akan destmas sektar lokas observas..komlas data gangguan geomagnet dar beberaa ttk samel (stason geomagnet ang dgunakan sebaga lokas observas. v. Htung jarak antara dua ttk samel dengan formulas jarak J(, j ( j ( j. v. Htung semvarogram emrs (eksermen dengan formulas (. v. Plot semvarogram emrs tersebut terhada jarak h. v. Taksr arameter dar model semvarogram teorts ang telah sesua dengan model semvarogram emrs ang deroleh. v. Cocokkan semvarogram emrs tersebut dengan semvarogram teorts (model s/d model 5. x. Tentukan nla semvarans jarak antara ttk samel-ttk samel tersebut. x. Gunakan sstem ersamaan ( untuk menentukan matrks A d ersamaan (4, kemudan tentukan matrks A - x Gunakan ersamaan (6 untuk menentukan matrks bobot W. x Gunakan ersamaan (7 untuk mengestmas gangguan geomagnet ada tttk samel d sektar lokas observas. x Gunakan ersamaan (9 untuk mengestmas varans gangguan geomagnet ada tttk samel dsektar lokas observas.. HASIL DAN PEMBAHASAN Data ang dgunakan dalam embahasan makalah n adalah data smulas gangguan geomagnet dar tga lokas SG (Stason Geomagnet. Data-data n damat selama 0 selang waktu dengan engertan ta selang waktu adalah jam. Kemudan dengan menerakan langkah dan langkah dar bagan metodolog tersebut akan deroleh hasl seert ang dtabulaskan dalam Tabel. Selanjutna eneraan langkah dar bagan metodolog d atas akan deroleh hasl seert ang dtabulaskan dalam Tabel. + Statstka, Vol. 4, No., Me 04

6 6 John Masuu Tabel. Poss SG dan ttk samel, q ang akan destmas gangguan geomagnetna S G Koordnat X (km :0 Koordnat X (km :0,0 4,0 6,,4,0, P,0,0 Q 4,9,5 Tabel. Data smulas gangguan dar tga lokas SG selama 0 selang waktu Selang waktu ke-n Gangguan geomagnet d SG Dalam nt Gangguan geomagnet d SG Dalam nt Gangguan geomagnet d SG Dalam nt mn 00 mn 0 mn maks 0 maks 50 maks Gg,4 Gg 7,5 Gg 9,5 Dar Tabel d atas terlhat bahwa besarna gangguan geomagnet mnmum d SG, SG, SG berturut-turut adalah 0 nt, 00 nt, 0 nt dan semuana terjad ada selang waktu ke-. Sehngga rata-rata gangguan geomagnet mnmum d ketga lokas tersebut adalah nt. Sedangkan besarna gangguan geomagnet maksmum d SG, SG, SG berturut-turut adalah 5 nt, 0 nt, 50 nt dan semuana terjad ada selang waktu ke-7. Sehngga ratarata gangguan geomagnet maksmum d ketga lokas tersebut adalah 5 nt. Begtu juga ratarata gangguan geomagnet d SG, SG, SG berturut-turut adalah,4 nt, 7,5 nt, 9,5 nt. Selanjutna Tabel dan Tabel 4, dhtung berdasarkan data ada Tabel dengan eneraan langkah v dar bagan metodolog ( atu formulas jarak antara dua ttk. Tabel. Jarak antara SG SG dan lokas S G 0,5,88,00 0 4,78, 0,97 Tabel 4. Jarak antara SG SG dan lokas q S G q 0,5,88,4 0 4,78,6 0,0 Dengan menerakan langkah v s/d v dar bagan metodolog tersebut, deroleh Tabel 5, Tabel 6 dan Gambar, d bawah n. Statstka, Vol. 4, No., Me 04

7 Alkas Konse Krgng ada Data Smulas 7 Tabel 5. Nla-nla arameter statstk Banak data samel ( n Rata-rata Htung (mean,6 Varans (s 8, Smangan baku (s 9,55 Medan 0 Nla data maks. 4 Nla data mn. 0 Rentang nla data ( range 9 Jarak (h dalam 0 km Tabel 6. Hasl erhtungan semvarogram emrs Nla semvarogram emrs Banakna asangan data samel ( N(h,88 4 (, (,,5 44,5 (, (, 4,78 760,5 (, (, Hasl Scatter Semvaro - Emrs 800 Semvarans dalam nt Jarak dalam 0 km Gambar. Hasl dagram encar dar semvarogram emrs Selanjutna dengan menerakan langkah v dar bagan metodolog tersebut, deroleh 4h semvarans emrs sebaga fungs jarak sebaga berkut,. Gunakan langkah x s/d x dar bagan metodolog tersebut, deroleh Tabel 7, Tabel 8, matrks nvers A -, matrks nvers A - q serta matrks bobot W dan matrks bobot Wq seert d bawah n. Tabel 7. Semvarans jarak antara SG SG dan lokas S G 0,40,5 4,00 0 9,,8 0 7,88 Statstka, Vol. 4, No., Me 04

8 8 John Masuu Tabel 8. Semvarans jarak antara SG SG dan lokas q S G q 0,40,5 9,6 0 9, 6,4 0,0 A dan A - q W dan W q Selanjutna gunakan Tabel, dan langkah x s/d x dar bagan metodolog tersebut untuk mengestmas gangguan geomagnet serta varans gangguan geomagnet d masng-masng ttk dan q selama 0 selang waktu. Haslna dtamlkan dalam Tabel 9 dan Tabel 0, d bawah n. Tabel 9. Hasl estmas gangguan geomagnet d selama 0 selang waktu dengan tngkat keercaaan 95 % Selang waktu ke- n Estmas gangguan geomagnet d dalam nt Estmas varans gangguan geomagnet d dalam nt. Selang keercaaan gangguan geomagnet d dalam nt. 5, 5,5 5, ± 4,6. 8, 5,5 8, ± 4,6. 0,99 mn 5,5 0,99 ± 4,6 4., 5,5, ± 4,6 5. 7, 5,5 7, ± 4,6 6. 6,9 5,5 6,9 ± 4,6 7., maks 5,5, ± 4,6 8. 9,6 5,5 9,6 ± 4,6 9. 6,8 5,5 6,8 ± 4,6 0. 6,98 5,5 6,98 ± 4,6 Eg,8 Statstka, Vol. 4, No., Me 04

9 Alkas Konse Krgng ada Data Smulas 9 Tabel 0. Hasl estmas gangguan geomagnet d q selama 0 selang waktu dengan tngkat keercaaan 95 % Selang waktu ke- n Estmas gangguan geomagnet d q dalam nt. Estmas varans gangguan geomagnet d q dalam nt. Selang keercaaan gangguan geomagnet d q dalam nt.. 5,7 7,9 5,7 ± 5,6. 9, 7,9 9, ± 5,6. 08, mn 7,9 08, ± 5,6 4. 4, 7,9 4, ± 5,6 5. 0,6 7,9 0,6 ± 5,6 6. 0,0 7,9 0,0 ± 5,6 7. 4, maks 7,9 4, ± 5,6 8. 8,8 7,9 8,8 ± 5,6 9., 7,9, ± 5,6 0. 9,6 7,9 9,6 ± 5,6 Egq,6 Dar tabel 9 dan tabel 0 terlhat bahwa estmas besar gangguan geomagnet mnmum d sebesar 0,99 nt dan q sebesar 08, nt. Walauun berbeda namun terjad ada selang waktu ang sama atu selang waktu ke- (bukan ada saat ang sama secara serentak, karena memerlukan dela waktu tertentu. Hal ang serua berlaku juga untuk estmas gangguan geomagnet maksmum d sebesar, nt dan q sebesar 4, nt atu terjad ada selang waktu ke-7. In serng dengan data gangguan geomagnet mnmum d SG, SG, SG ang terjad juga ada selang waktu ang sama atu selang waktu ke- (lhat Tabel. Begtu juga data gangguan geomagnet maksmum d SG, SG, SG ang terjad juga ada selang waktu ang sama atu selang waktu ke-7 (lhat Tabel. Dar Tabel 9 terlhat bahwa estmas besar gangguan geomagnet mnmum d sebesar 0,99 nt n mendekat rata-rata gangguan geomagnet mnmum d ketga lokas SG, SG, SG atu nt. Sedangkan dar Tabel 0 terlhat bahwa estmas gangguan geomagnet maksmum d q sebesar 4, nt nun mendekat rata-rata gangguan geomagnet maksmum d ketga lokas SG, SG, SG atu 5 nt. Selan tu rata-rata estmas gangguan geomagnet d dan d q setelah dhtung berdasarkan Tabel 9 dan Tabel 0 adalah berturut-turut sebesar,8 nt dan,6 nt. Hasl ang deroleh n adalah lebh besar bla dbandngkan dengan rata-rata gangguan geomagnet d SG dan SG (atu,4 nt dan 7,5 nt namun lebh kecl bla dbandngkan dengan rata-rata gangguan geomagnet d SG ( atu 9,5 nt. 4. KESIMPULAN Hasl estmas gangguan geomagnet ekstrm (mnmum atauun maksmum d lokas tak tersamel ( dan q terjad ada selang waktu ang sama. Sedangkan besarna estmas gangguan geomagnet ekstrm (mnmum atauun maksmum d lokas tak tersamel ( dan q akan mendekat rata-rata gangguan geomagnet ekstrm (mnmum atauun maksmum dar ketga lokas tersamel. Rata-rata estmas gangguan geomagnet d lokas tak tersamel ( dan q berada dantara rata-rata gangguan geomagnet lokas tersamel SG, SG dan rata-rata gangguan geomagnet lokas tersamel SG. Hal n tergantung dar jarak lokas tak tersamel ( dan q terhada lokas gangguan geomagnet tersamel SG. In berart semakn jauh jarak antara lokas tak tersamel ( dan q dengan lokas gangguan geomagnet tersamel SG, semakn kecl juga gangguan geomagnet d lokas tak tersamel ( dan q ang akan destmas. DAFTAR PUSTAKA []. Cresse, N.(990, The Orgns of Krgng, J. Mathematcal Geolog, Vol.,.9 5. []. Cresse, N.(99, Statstcs for satal data, John Wle & Sons, New York. []. Davs, J.C.(986, Statstcal and data analss n geolog. nd Ed., John Wle and Sons, New York. [4]. Emer, X.(005 "Smle and Ordnar Krgng Multgaussan Krgng for Estmatng recoverarble Reserves", J. Mathematcal Geolog, Vol. 7, Statstka, Vol. 4, No., Me 04

10 40 John Masuu [5]. Isaaks, E. H. and Srvastava, R. M. (989, An Introducton to Aled Geostatstcs, Oxford Unverst Press, New York. [6]. Matheron, G.(96, Prncles of geostatstcs, J. Econ Geol. Vol. 58, [7]. Sten, M. L.(999, Statstcal Interolaton of Satal Data: Some Theor for Krgng, Srnger, New York. Statstka, Vol. 4, No., Me 04

APLIKASI KONSEP KRIGING PADA DATA SIMULASI GANGGUAN GEOMAGNET LOKAL

APLIKASI KONSEP KRIGING PADA DATA SIMULASI GANGGUAN GEOMAGNET LOKAL APLIKASI KONSEP KRIGING PADA DATA SIMULASI GANGGUAN GEOMAGNET LOKAL APPLICATION OF THE KRIGING CONCEPT ON SIMULATION DATA OF LOCAL GEOMAGNETIC DISTURBANCE John Maspupu dan Lukman Arfn Pusat Sans dan Antarksa

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 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 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

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

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 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

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 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 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

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI)

REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) REGRESI LINIER SEDERHANA (MASALAH ESTIMASI) PowerPont Sldes byyana Rohmana Educaton Unversty of Indonesan 007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 9 Bandung, Telp. 0 013163-53 Hal-hal

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

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

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

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

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. 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

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw Oleh : Harfa Hanan Yoga A Nugraha Gemur Safar ka Sautr Arya Andka Dumanau Dosen : Dr.rer.nat. Ded osad, S.S., M.Sc. Program Stud Statstka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Gadah Mada

Lebih terperinci

Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil

Taksiran Kurva Regresi Spline pada Data Longitudinal dengan Kuadrat Terkecil Vol. 11, No. 1, 77-83, Jul 2014 Taksran Kurva Regres Slne ada Data Longtudnal dengan Kuadrat Terkecl * Abstrak Makalah n mengka tentang estmas regres slne khususnya enggunaan ada data longtudnal. Data

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

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 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

KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA., R. Efendi 2, H.

KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA., R. Efendi 2, H. KOMBINASI PENAKSIR RASIO-PRODUK PROPORSI EKSPONENSIAL UNTUK RATA-RATA POPULASI PADA SAMPLING AAK SEDERHANA A. F. Indraan *, R. Efend, H. Srat Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas

Lebih terperinci

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai

II. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan

Lebih terperinci

Penerapan Program GSTAT-R untuk Prediksi Kadar Abu Batubara di Lokasi Tidak Tersampel dengan Metode Universal Kriging

Penerapan Program GSTAT-R untuk Prediksi Kadar Abu Batubara di Lokasi Tidak Tersampel dengan Metode Universal Kriging Jurnal Matematka Integratf ISSN 1412-6184 Volume 11 No 2, Oktober 2015, pp 137-148 Penerapan Program GSTAT-R untuk Predks Kadar Abu Batubara d Lokas Tdak Tersampel dengan Metode Unversal Krgng Annsa Nur

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

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

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

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

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

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

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS

Lebih terperinci

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR

METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,

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 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang

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

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

KOMBINASI PENAKSIR RASIO-PRODUK EKSPONENSIAL UNTUK RATA-RATA POPULASI MENGGUNAKAN PROPORSI PADA SAMPLING GANDA

KOMBINASI PENAKSIR RASIO-PRODUK EKSPONENSIAL UNTUK RATA-RATA POPULASI MENGGUNAKAN PROPORSI PADA SAMPLING GANDA KOMBIASI PEAKSIR RASIO-PRODUK EKSPOESIAL UTUK RATA-RATA POPULASI MEGGUAKA PROPORSI PADA SAMPLIG GADA ke Selna *, Arsman Adnan, Sgt Sugarto Mahasswa Program S Matematka Dosen jurusan Matematka Fakultas

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

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

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan

Lebih terperinci

Evaluasi Tingkat Validitas Metode Penggabungan Respon (Indeks Penampilan Tanaman, IPT)

Evaluasi Tingkat Validitas Metode Penggabungan Respon (Indeks Penampilan Tanaman, IPT) Evaluas Tngkat Valdtas Metode Penggabungan Reson (Indeks Penamlan Tanaman, IPT) 1 Gust N Adh Wbawa I Made Sumertajaya 3 Ahmad Ansor Mattjk 1 Mahasswa S3 Pascasarjana Statstka IPB,3 Staf Pengajar Deartemen

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

Efesiensi Interpolasi Spatial menggunakan Metode Dekomposisi Gelanggang

Efesiensi Interpolasi Spatial menggunakan Metode Dekomposisi Gelanggang Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 Efesens Interpolas Spatal menggunakan Metode Dekomposs Gelanggang Amran 1), Nur Irawan 2), Irhamah 3), dan Subono 4) 7 Nopember

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 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

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

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

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

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 III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

BAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

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

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

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

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan

Catatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K

Lebih terperinci

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan : Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan

Lebih terperinci

PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL

PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL Tan Wahyu Utam, Indah Manfaat Nur Unverstas Muhammadyah Semarang, emal : tan.utam88@gmal.com

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

Bab 3. Penyusunan Algoritma

Bab 3. Penyusunan Algoritma Bab 3. Penusunan Algortma on anuwjaa/ 500030 Algortma merupakan penulsan permasalahan ang sedang dsorot dalam bahasa matematk. Algortma dbutuhkan karena komputer hana dapat membaca suatu masalah secara

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 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

Metode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural

Metode Estimasi Kemungkinan Maksimum dan Kuadrat Terkecil Tergeneralisasi pada Analisis Pemodelan Persamaan Struktural Jurnal Graden Vol. 11 No. 1 Januar 015 : 1035-1039 Metode Estmas Kemungknan Maksmum dan Kuadrat Terkecl Tergeneralsas pada Analss Pemodelan Persamaan Struktural Dan Agustna Jurusan Matematka, Fakultas

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di: ISSN: 339-54 JURNAL GAUSSIAN, Volume 3, Nomor, Tahun 04, Halaman 4-50 Onlne d: htt://ejournal-s.und.ac.d/ndex.h/gaussan ANALISIS RANCANGAN BUJUR SANGKAR GRAECO LATIN Yuun Nafular, Trastut Wurandar *),

Lebih terperinci

BAB III SKEMA NUMERIK

BAB III SKEMA NUMERIK BAB III SKEMA NUMERIK Pada bab n, akan dbahas penusunan skema numerk dengan menggunakan metoda beda hngga Forward-Tme dan Centre-Space. Pertama kta elaskan operator beda hngga dan memberkan beberapa sfatna,

Lebih terperinci

STATISTIKA. Rumus : 1. Menentukan banyaknya data/responden dari diagram lingkaran:

STATISTIKA. Rumus : 1. Menentukan banyaknya data/responden dari diagram lingkaran: STATISTIKA Jens-jens soal statstka yang serng dujkan adalah soal-soal tentang : 1. Membaca sajan data dalam bentuk dagram. Ukuran pemusatan data 3. Ukuran Letak Data 4. Ukuran Penyebaran Data SOAL DAN

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN Mater #13 Genap 016/017 6 6 3 - T a u f q u r R a c h m a n 6 6 3 - T a u f q u r R a c h m a n Mater #13 TIN309 DESAIN EKSPERIMEN Prnsp Dasar ANCOVA merupakan teknk analss yang berguna untuk menngkatkan

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

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

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

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

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 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

4 PRAKIRAAN SUHU MAKSIMUM DAN MINIMUM

4 PRAKIRAAN SUHU MAKSIMUM DAN MINIMUM 4 PRAKIRAAN SUHU MAKSIMUM DAN MINIMUM Pendahuluan Parameter cuaca suhu maksmum dan mnmum merupakan parameter utama yang dprakrakan oleh lembaga pelayanan cuaca dantaranya BMKG. Suhu maksmum adalah suhu

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 II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI

PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI Reky Stenly Wndah Dosen Jurusan Teknk Spl Fakultas Teknk Unverstas Sam Ratulang Manado ABSTRAK Pada bangunan tngg,

Lebih terperinci

EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS

EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN EORI.. Regres... Pengertan Persamaan Regres Persamaan regres adalah persamaan matematk yang memungknkan kta meramalkan nla-nla suatu peubah tak bebas dar nla-nla satu atau lebh peubah bebas

Lebih terperinci

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381

Bab 1 Ruang Vektor. R. Leni Murzaini/0906577381 Bab 1 Ruang Vektor Defns Msalkan F adalah feld, yang elemen-elemennya dnyatakansebaga skalar. Ruang vektor atas F adalah hmpunan tak kosong V, yang elemen-elemennya merupakan vektor, bersama dengan dua

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

Configural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear

Configural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penjadwalan Baker (1974) mendefnskan penjadwalan sebaga proses pengalokasan sumber-sumber dalam jangka waktu tertentu untuk melakukan sejumlah pekerjaan. Menurut Morton dan

Lebih terperinci

Dekomposisi Nilai Singular dan Aplikasinya

Dekomposisi Nilai Singular dan Aplikasinya A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

BAB VB PERSEPTRON & CONTOH

BAB VB PERSEPTRON & CONTOH BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

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

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

BAB III METODE PENELITIAN. Objek penelitian ini adalah nilai tambah sektor pertanian untuk PDRB

BAB III METODE PENELITIAN. Objek penelitian ini adalah nilai tambah sektor pertanian untuk PDRB 73 BAB III METODE PENELITIAN 3.1 Objek Peneltan Objek peneltan n adalah nla tambah sektor pertanan untuk PDRB Jawa Barat berupa data tme seres perode 1985-005. selan tu penuls memlh varabel yang mempengaruhnya

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

PEMODELAN REGRESI UNTUK RANCANGAN PERCOBAAN DUA FAKTOR. Dwi Ispriyanti 1. Abstrak

PEMODELAN REGRESI UNTUK RANCANGAN PERCOBAAN DUA FAKTOR. Dwi Ispriyanti 1. Abstrak UNIVERSITAS DIPONEGORO ISBN: 978-979-97-4-4 PEMODELAN REGRESI UNTUK RANCANGAN PERCOBAAN DUA FAKTOR Dw Isprant Staf Pengaar Prod Statstka urusan Matematka Fakultas MIPA UNDIP Abstrak Metode Statstk ang

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-30

JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-30 JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) 2337-3520 (2301-928X Prnt) D-30 Analss Faktor-Faktor yang Memengaruh Persentase Penduduk Mskn dan Pengeluaran Perkata Makanan d Jawa Tmur menggunakan Regres

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

I DEWA AYU MADE ISTRI WULANDARI

I DEWA AYU MADE ISTRI WULANDARI I DEWA AYU MADE ISTRI WULANDARI 1310 100 009 1 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PERSENTASE PENDUDUK MISKIN DAN PENGELUARAN PERKAPITA MAKANAN DI JAWA TIMUR MENGGUNAKAN REGRESI NONPARAMETRIK BIRESPON

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

ABSTRAK ANALISIS KOMPONEN UTAMA

ABSTRAK ANALISIS KOMPONEN UTAMA JURNAL MATEMATIKA DAN PEMBELAJARANNYA 03 VOLUME, NO.. ISSN 303-099 ABSTRAK ANALISIS KOMPONEN UTAMA Marana, Dosen Penddkan Matematka Fakultas Tarbyah dan Keguruan, IAIN Ambon 0854435773, E-mal: anastt_0@yahoo.com

Lebih terperinci