Penerapan Pendekatan Gabungan Grey Relational Analysis (GRA) dan Principal Component Analysis (PCA) Pada Metode Taguchi Multirespon
|
|
- Ridwan Johan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Peerapa Pedekata Gabuga Grey Relatioal Aalysis (GRA) da Pricipal Compoet Aalysis (PCA) Pada Metode Taguchi Multirespo Nur Aprilia Rahmadai, Soy Suaryo, da Muhammad Sahid Akbar Jurusa Statistika, Fakultas Matematika da Ilmu Pegetahua Alam Istitut Tekologi Sepuluh Nopember (ITS) Jl. Arief Rahma Hakim, Surabaya Abstrak Kualitas didefiisika sebagai kesesuaia spesifikasi produk dega racaga yag telah ditetapka. Serig kali teradi kualitas yag diharapka tidak sesuai dega keyataa, tetapi ika pegatura kualitas dapat dilakuka sedii mugki, maka spesifikasi yag diharapka aka diperoleh. Seak awal sagat diperluka optimasi proses dega cara pegatura alat da metode yag optimal. Pada peelitia ii, utuk megatasi permasalaha optimasi multirespo aka dilakuka aalisis dega megguaka metode peggabuga atara Grey Relatioal Aalysis (GRA) da Pricipal Compoet Aalysis (PCA). Data yag diguaka berasal dari peelitia Garg (00) dega udul Pegaruh Parameter Proses Pada Pegukura Kiera Wire-EDM. Hasil aalisis megguaka metode gabuga GRA da PCA meelaska bahwa kombiasi optimal dari parameter proses yaitu A B C D E F. Respo dega karakteristik Larger The Better (Lau Pemotoga da Arus Keseaga) pada metode gabuga GRA da PCA meghasilka ilai prediksi yag lebih baik dibadigka dega metode Fugsi Utility da Fuzzy Logic. Respo dega karakteristik Smaller The Better (Kekasara Permukaa da Peyimpaga Dimesi) pada metode Fugsi Utility da Fuzzy Logic meghasilka ilai prediksi yag lebih baik dibadigka dega metode gabuga GRA da PCA. Kata Kuci Wire-EDM, Optimasi Multirespo, GRA, PCA K I. PENDAHULUAN ualitas dapat didefiisika sebagai kesesuaia spesifikasi produk dega racaga yag telah ditetapka. Serig kali teradi kualitas yag diharapka tidak sesuai dega keyataa. Hal ii dapat teradi karea pegatura dari iputiput yag diberika tidak optimal. Jika pegatura kualitas dapat dilakuka sedii mugki, maka spesifikasi yag diharapka aka diperoleh. Seak awal sagat diperluka optimasi proses dega cara pegatura alat da metode yag optimal []. Metode yag diguaka dalam optimasi proses salah satu diataraya adalah metode Taguchi. Aplikasi da teori dari metode Taguchi pada awalya haya utuk optimasi respo tuggal, sedagka utuk kasus multirespo ada beberapa ilmuwa yag megembagka metode optimasi multirespo atara lai adalah Khuri da Colo [7], megusulka suatu prosedur yag dapat megoptimalka beberapa variabel secara seretak dega megguaka suatu fugsi arak utuk megukur simpaga dari ilai optimum yag ideal. Derriger da Suich [5], yag meuukka bagaimaa beberapa variabel respo dapat ditrasformasika dalam suatu fugsi desirebility. Kedua metode ii mempuyai perhituga yag terlalu rumit sehigga perlu dikembagka meadi pedekata yag lebih efisie []. Peelitia utuk kasus multirespo dega metode yag berbeda telah dilakuka oleh Garg [6] dega megguaka metode Taguchi da fugsi utility. Peelitia tersebut bertuua utuk memperoleh tigkat optimal dari parameter permesia yag meghasilka kualitas mesi terbaik. Pegguaa Wire-EDM dalam dilakuka pada beda kera Hot Die Steel H-. Pada peelitia ii, utuk megatasi permasalaha multirespo aka dilakuka aalisis dega megguaka metode peggabuga atara Grey Relatioal Aalysis (GRA) da Pricipal Compoet Aalysis (PCA). Jika dibadigka dega fugsi utility, metode tersebut lebih sigkat pegeraaya. GRA dapat meyelesaika masalah kualitas dalam hal multirespo. PCA diguaka utuk meaksir ilai pembobot yag sesuai, sehigga beberapa karakteristik yag relatif petig dapat dielaska secara tepat da obektif [9]. Beberapa peelitia GRA sebelumya yag telah dilakuka atara lai tetag peggabuga GRA dega PCA utuk racaga optimasi pada parameter pemotoga di high speed ed millig [9]. Selai itu, peelitia tetag pegguaa dari metode Taguchi dega GRA utuk optimasi pada proses sputterig film dega beberapa karakteristik kualitas di pabrik filter wara [4]. Peelitia tetag pegguaa metode Taguchi da GRA utuk optimasi proses pegumpula flateplate dega karakteristik kualitas pada pabrik pegumpula eergi solar [8]. Peelitia tetag GRA utuk meetuka parameter optimal pada proses WEDM []. Peelitia ii dilakuka utuk meetuka kombiasi optimal dari parameter proses pada percobaa kiera Wire- EDM, meduga ilai respo pada kodisi settig kombiasi optimal, da membadigka hasil metode Fugsi Utility, Fuzzy Logics dega hasil metode gabuga GRA da PCA. Hasil peelitia diharapka dapat memberika iformasi megeai kombiasi optimal dari parameter proses dega megguaka metode gabuga GRA da PCA, sebagai alteratif pemecaha kasus multirespo pada metode Taguchi. II. METODOLOGI PENELITIAN Data yag diguaka adalah data sekuder yag berasal dari peelitia Garg (00) dega udul Pegaruh Parameter Proses Pada Pegukura Kiera Wire-EDM. Data tersebut dalam peelitia ii aka diolah megguaka metode gabuga GRA da PCA. Variabel-variabel yag diguaka dalam peelitia ii dapat
2 dilihat seperti pada Tabel berikut ii : Tabel. Variabel Peelitia Variabel Peelitia Variabel Proses Variabel Respo Faktor Level A. Lau Pemotoga (Larger The. Faktor A (Pulse = 06 µs A O Time) = 6 µs A = 6 µs. Kekasara Permukaa (Smaller The. Arus Keseaga (Larger The 4. Peyimpaga Dimesi (Smaller The. Faktor B (Pulse Off Time). Faktor C (Spark Gap Set Voltage) 4. Faktor D (Peak Curret) 5. Faktor E (Wire Feed) 6. Faktor F (Wire Tesio) B = 40 µs B = 50 µs B = 60 µs C = 0 volt C = 40 volt C = 60 volt D = 70 ampere D = 50 ampere D = 0 ampere E = 4 m/mi E = 8 m/mi E = m/mi F = 4 gram F = 8 gram F = gram Iteraksi yag dimugkika berdasarka pada peelitia sebelumya [6] adalah AB, AC, da BC sehigga diperoleh perhituga deraat bebas (df) sebagai berikut : df = A + B +C + D + E + F + AB + AC + BC = (-) + (-) + (-) + (-) + (-) + (-) + (-)(-) + (-)(-) + (-)(-) = = 4 Oleh karea itu racaga OA yag diguaka dalam peelitia ii adalah L 7 ( ). Lagkah aalisis yag dilakuka dalam peelitia ii atara lai :. Meetuka racaga OA yag diguaka. Metode Taguchi diperkealka oleh Dr. Geichi Taghuci (940). Ada dua kompoe pada metode Taguchi yaitu Orthogoal array (OA) da Sigal to Noise Ratio (SN Ratio). Kompoe OA dapat diguaka utuk meetuka umlah miimal bayakya percobaa [0]. Pemiliha eis OA yag aka diguaka pada percobaa didasarka pada umlah deraat bebas total []. Peetua deraat bebas berdasarka : a. Jumlah faktor utama yag diamati. b. Jumlah level dari faktor yag diamati. c. Iteraksi percobaa yag diigika. Pada peelitia ii megguaka OA L 7 ( ) yag dapat dilihat pada Lampira A. L : Racaga buur sagkar Lati 7 : Meyataka bayakya percobaa yag dibutuhka ketika megguaka Orthogoal Array : Meyataka bayakya faktor yag dapat diamati dalam Orthogoal Array (kolom) : Meyataka bayakya level faktor. Meghitug ilai SN Ratio sesuai dega karakteristik setiap respo. Beberapa tipe karakteristik kualitas SN Ratio dari respo dega struktur data yag dapat dilihat pada Lampira B, adalah: [] a. Karakteristik ilai tertetu adalah terbaik (Nomial the best) SN ratio = 0 log [MSD] ( y = 0 log ik m) () Keteraga : m = ilai target spesifikasi y ik = ilai respo ke-i, pegulaga ke- pada eksperime ke-k = bayakya pegulaga b. Karakteristik semaki kecil semaki baik (Smaller The SN ratio = -0 log [MSD] y ik = -0 log () c. Karakteristik semaki besar semaki baik (Larger The SN ratio = -0 log [MSD] y = -0 log ik (). Meghitug ilai ormalisasi SN Ratio setiap respo. Persamaaya adalah sebagai berikut : ( ) mi ( ) ( ) (4) maks ( ) mi ( ) Keteraga : x i ( ) = ilai pembagkit awal observasi ke-i pada respo ke- x i ( ) = ilai observasi ke-i pada respo ke- i = bayakya observasi = bayak respo 4. Meghitug ilai delta da ilai gamma (grey relatioal coefficiet) pada masig-masig respo. Hitug arak dari ( ), yag merupaka ilai mutlak dari perbedaa atara x 0 da ( ) = x ( ) x ( ) 0 i x i pada titik. (5) Keteraga : x ( ) = (ilai terbesar S/N Ratio diiversika 0 sebesar ) Hitug koefisie grey relatioal ( ) dega megguaka persamaa sebagai berikut : mi max 0 ( ) (6) i ( ) max Keteraga : = ilai miimum dari ( ) mi maks = ilai maksimum dari ( )
3 adalah koefisie yag berilai atara 0 higga. Nilai ditetuka oleh pegambil keputusa terhadap harapaya. Pada umumya diambil ilai = 0,5. 5. Meghitug ilai kompoe eigevektor dari ilai gamma sebagai pembobot melalui PCA. 6. Meghitug ilai grey relatioal grade. Hitug grey relatioal grade dega megguaka persamaa berikut ii : Dimaa ( x0, ) ( x0 ( ), ( )) (7) meggambarka ilai bobot ke- dari karakteristik respo, da =. Pada peelitia ii, ilai bobot diperoleh dari ilai kompoe eigevektor [9]. 7. Melakuka aalisis megguaka ANOVA da memeriksa asumsi residual IIDN. 8. Meetuka kombiasi level optimal dari parameter proses. 9. Meduga lau pemotoga, kekasara permukaa, arus keseaga, da peyimpaga dimesi pada kodisi settig kombiasi optimal 0. Meghitug selag kepercayaa masig-masig respo, membadigka hasil optimasi dega metode Fugsi Utility da metode Fuzzy Logics. Iterval kepercayaa (CI) utuk hasil yag dicapai pada kodisi optimum dihitug dega cara yag sama seperti CI pegaruh faktor sigifika []. F (, f e ) Ve CI (8) eff = ilai prediksi respo f e = deraat bebas residual V = rata-rata kuadrat residual e = umlah pegulaga efektif eff eff umlah seluruh percobaa (+ deraat bebas semua faktor yag megadug estimasi mea) III. ANALISIS DATA DAN PEMBAHASAN A. Peetua Kodisi Optimum dega Megguaka Metode GRA Peelitia ii ada 4 eis variabel respo dega karakteristik kualitas yag berbeda. Respo yag pertama adalah Lau Pemotoga dega karakteristik Larger The Better yag berarti semaki besar tigkat pemotogaya maka semaki baik kualitasya. Respo kedua adalah Kekasara Permukaa dega karakteristik Smaller The Better yag berarti semaki kecil kekasara permukaaya maka semaki baik kualitasya. Respo ketiga adalah Arus Keseaga dega karakteristik Larger The Better yag berarti semaki besar arus keseagaya maka semaki baik kualitasya. Respo keempat Peyimpaga Dimesi dega karakteristik Smaller The Better yag berarti semaki kecil peyimpaga dimesiya maka semaki baik kualitasya. Perhituga ilai SN Ratio keempat respo sesuai dega persamaa () da persamaa () disaika pada Tabel berikut ii : Tabel. SN Ratio Masig-Masig Respo SN Ratio Eksp. Lau Pemotoga Kekasara Permukaa Arus Keseaga Peyimpaga Dimesi -,9697 -,77800,697,4799 -,0800 -,98446,80 6, ,9640 -,986 0,540 5,67 4-6,4407 -,5657 0,00000, , ,0540 -,6 6, , ,895 -,5966 4, ,0878 -, , 4, ,577 -,09-4,77, ,577-0,64-4,0485 0,87 0 7,669-8,6807, ,58 6,8708-7,5808,558 5,9090 -,54 -,68 4,509,5787,7856-8,0747 8,907 7, ,740 -,79895,697 8,87 5 -,6-4,6995,480 8, ,6508-4,447, ,85 7-4,0600-5,4989,0454, ,0408-4,065,06546, ,584-9,007 6,48,9466 0,98-5,75 8,866 8, ,9084-8,5086, ,557-0,80-6,687 7,54, ,896-8,68,85 5,045 4,7685-7, ,544 7,449 5,59-9, ,497 7,08 6,584-8,45 9,65 9, ,866 -,496,586 8,765 Setelah dilakuka perhituga SN Ratio, selautya dilakuka ormalisasi terhadap ilai SN Ratio yag sudah diperoleh. Perhituga ormalisasi SN Ratio setiap respo sesuai dega persamaa (4). Sebelum melakuka aalisis megguaka Grey Relatioal Grade, terlebih dahulu meghitug ilai delta da ilai gamma dari tiap respo sesuai dega persamaa (5) da persamaa (6). Nilai gamma aka diguaka utuk meghitug ilai Grey relatioal Grade dega pembobot PCA (Pricipal Compoet Aalysis) dari ilai gamma. Melalui batua software Miitab, diperoleh ilai kompoe eigevektor yag dikuadratka sebesar 0,5649; 0,0004; 0,4; da 0,0004. Misalka dapat dilihat pada observasi pertama dega ilai gamma masig-masig respo yaitu respo Lau Pemotoga sebesar 0,484; respo Kekasara Permukaa sebesar 0,6696; respo Arus Keseaga sebesar 0,40; respo Peyimpaga dimesi sebesar 0,447 didapatka ilai Grey Relatioal Grade sesuai dega persamaa 7 : ( x0, ) ( x0 ( ), ( )) = (0,5649 x 0,484) + (0,0004 x 0,6696) + (0,4 x 0,40) + (0,00040 x 0,447) = 0,56 Perhituga di atas uga dilakuka pada 6 eksperime laiya da didapatka Grey Relatioal Grade seperti pada Tabel.
4 4 Tabel. Nilai Grey Relatioal Grade Grey Grey Grey Eksp. Relatioal Grade Eksp. Relatioal Grade Eksp. Relatioal Grade 0,56 0 0, , ,546 0, ,5585 0, , , , , , , ,560 0, , , , , , , , , , , , ,4966 Nilai Grey Relatioal Grade yag telah diperoleh, selautya diaalisis megguaka ANOVA utuk megetahui faktor-faktor yag mempuyai pegaruh sigifika terhadap respo. Berdasarka perhituga output Miitab diperoleh hasil aalisis megguaka ANOVA seperti pada Tabel 4. Tabel 4. ANOVA (Aalysis Of Varias) Sumber Deraat Jumlah Rata-Rata Variasi Bebas Kuadrat Kuadrat F hitug P-Value A 0,046 0,008 7, 0,055 B 0, ,000 45,90 0,0 C 0,0094 0,00097,68 0,74 D 0,080 0, ,80 0,09 E 0,0070 0,0065 5,58 0,5 F 0, ,00744,67 0,7 AB 4 0,06 0,0009 4,7 0,8 AC 4 0,04 0,0005 4,64 0,85 BC 4 0,06 0, ,7 0,8 Error 0,0009 0, Total 6 0,46447 Berdasarka beberapa ui hipotesis da hasil perhituga aalisis pada Tabel, dapat diketahui bahwa ada beberapa faktor yag tidak sigifika karea ilai F hitug < F 0,05;(,) da ilai P-value > α (0,05). Pada ANOVA dilakuka peggabuga (poolig) agar semua faktor sigifika. Hasil Aalysis of Varias setelah dilakuka peggabuga seperti pada Tabel 5. Tabel 5. Aalysis Of Varias Setelah Peggabuga Sumber Deraat Jumlah Rata-Rata Variasi Bebas Kuadrat Kuadrat F hitug P-Value A 0,04 0,008,85 0,07 B 0, ,000 0, 0,00 Error 0,0696 0,00907 Total 6 0,4645 Berdasarka hasil perhituga aalisis pada Tabel 5, dapat diketahui bahwa faktor yag sigifika adalah faktor A da faktor B karea ilai F hitug > F 0,05;(,) (,446) da ilai P- value < α (0,05). Sedagka utuk faktor utama laiya (C, D, E da F) yag tidak sigifika tetap diaggap memberi pegaruh amu tidak sebesar faktor utama yag sigifika. Peguia asumsi residual idetik dilakuka dega megguaka ui Levee. Peguia asumsi ii dilakuka utuk megetahui apakah residual pada data telah homoge. Hasil peguia asumsi residual idetik meuukka bahwa ilai L yag diperoleh sebesar,5 da ilai F (0,05;;4) diperoleh sebesar,408. Nilai L < F (0,05;;4) berarti bahwa residual memeuhi asumsi idetik (homoge). Peguia asumsi residual idepede dilakuka dega melihat plot Autocorrelatio Fuctio (ACF). Peguia asumsi ii bertuua utuk megetahui ada atau tidakya autokorelasi. Hasil plot Autocorrelatio Fuctio (ACF) meelaska tidak ada ilai korelasi yag keluar dari garis batas sigifikasi autokorelasi (daerah selag kepercayaa 95%) pada setiap lag, berarti bahwa tidak ada autokorelasi atar residual atau residual data bersifat idepede. Peguia asumsi keormala residual data dapat dilakuka dega megguaka ui Kolmogorov-Smirov. Hasil ilai D hitug sebesar 0,9 da ilai D (7;0,95) sebesar 0,54. Nilai D hitug < D (7;0,95), yaitu 0,9<0,54, sehigga dapat diambil kesimpula residual berdistribusi ormal. Setelah dilakuka aalisis megguaka ANOVA, selautya dapat ditetuka kombiasi optimal setiap respo. Hasil ANOVA yag telah dilakuka dapat ditetuka kodisi yag optimal dega melihat ilai mea yag terbesar tiap level pada setiap faktor. Hasil perbedaa ilai mea pada setiap faktor dapat dilihat pada Tabel 6 berikut ii : Tabel 6. Nilai Mea Setiap Level Level A B C D E F 0,547 0,607 0,55 0,50 0,5488 0,555 0,540 0,54 0,550 0,546 0,554 0,599 0,5800 0,496 0,55 0,56 0,564 0,55 Delta 0,065 0, 0,006 0,05 0,070 0,078 Rak Berdasarka ilai mea setiap level yag telah diperoleh dapat diketahui bahwa kodisi optimum utuk keeam faktor dilihat dari ilai mea yag terbesar pada setiap faktor. Sehigga dapat disimpulka bahwa dega megguaka metode gabuga Grey Relatioal Aalysis (GRA) da Pricipal Compoet Aalysis (PCA) didapatka settig kombiasi optimal yaitu A B C D E F. B. Pedugaa Nilai Setiap Respo Pada Kodisi Settig Kombiasi Optimal Nilai taksira rata-rata respo Lau Pemotoga A B C D E F 5T R R R (7,7 7,4 7,6),8700 T,007 A,5485 ; B,5670 ; C,796 ; D,05 ; E,046 ; F,0896,5485,5670,796,05,046,0896 (5,007) 7,86 5,055,787mm/mi Nilai taksira rata-rata respo Kekasara Permukaa A B C D E F 5T
5 5 T R R R (49,68 49,45 49,7) 84,8400,875 B ; C,076 ; D,04 ; A,67 ;,96 E,785 F,805,67,96,076,04,785,805 (5,875),0 9,875, 845m Nilai taksira rata-rata respo Arus Keseaga A B C D E F 5T R R R (57,0 57,50 56,50) 7,000 T, A,96 ; B,0000 ; C,557 ; D,5907 ; E,000 ;,574 F,557,5907,,574 (5,),96,0000 5,94 0,565 5,699ampere Nilai taksira rata-rata respo Peyimpaga Dimesi A B C D E F 5T R R R (,,5,40) 6,870 T 0,455 A 0,467 ; B 0,47 ; C 0,6099 ; D 0,498 ; E 0,4 ; F 0,558 0,467 0,47 0,6099 0,498 0,4 0,558 (50,455),98,76 0,64% Hasil dari perhituga selag kepercayaa utuk setiap respo sesuai pada persamaa (8) : Lau Pemotoga Nilai taksira rata-rata respo Lau Pemotoga sebesar,787 mm/mi terletak dalam selag kepercayaa atara,4595 mm/mi da,059 mm/mi. Kekasara Permukaa Nilai taksira rata-rata respo Kekasara Permukaa m terletak dalam selag kepercayaa atara da,04 m. sebesar,845,6707 m Arus Keseaga Nilai taksira rata-rata respo Arus Keseaga sebesar 5,699 ampere terletak dalam selag kepercayaa atara 4,799 ampere da 5,9479 ampere. Peyimpaga Dimesi Nilai taksira rata-rata respo Peyimpaga Dimesi sebesar 0,64% terletak dalam selag kepercayaa atara 0,5584% da 0,760%. C. Perbadiga Nilai Optimum Atara Metode Fugsi Utility, Metode Fuzzy Logics, da Metode Gabuga GRA da PCA Pada peelitia ii, agar diketahui perbedaa ilai optimum yag diperoleh dari aalisis megguaka Fugsi Utility, Fuzzy Logics, da aalisis dega megguaka metode gabuga GRA da PCA, maka kodisi optimum pada masig-masig metode dibadigka. Pada peelitia ii, utuk kasus data peerapa ika karakteristik respo Larger The Better (Lau Pemotoga da Arus Keseaga), metode gabuga GRA da PCA meghasilka ilai prediksi yag lebih baik dibadigka dega metode Fugsi Utility da Fuzzy Logic. Jika karakteristik respo Smaller The Better (Kekasara Permukaa da Peyimpaga Dimesi), metode Fugsi Utility da Fuzzy Logic meghasilka ilai prediksi yag lebih baik dibadigka dega metode gabuga GRA da PCA. IV. KESIMPULAN Berdasarka aalisis yag telah dilakuka, maka didapatka kesimpula bahwa kombiasi optimal dari parameter proses yag diperoleh yaitu A B C D E F. Nilai taksira rata-rata pada respo Lau Pemotoga sebesar,787 mm/mi, pada respo Kekasara Permukaa sebesar,845 m, sedagka pada respo Arus Keseaga da Peyimpaga Dimesi masig-masig sebesar 5,699 ampere da 0,64 %. Respo dega karakteristik Larger The Better (Lau Pemotoga da Arus Keseaga) pada metode gabuga GRA da PCA meghasilka ilai prediksi yag lebih baik dibadigka dega metode Fugsi Utility da Fuzzy Logic. Respo dega karakteristik Smaller The Better (Kekasara Permukaa da Peyimpaga Dimesi) pada metode Fugsi Utility da Fuzzy Logic meghasilka ilai prediksi yag lebih baik dibadigka dega metode gabuga GRA da PCA. Sara yag dapat diberika utuk peelitia ii adalah perbadiga metode gabuga Grey Relatioal Aalysis (GRA) da Pricipal Compoet Aalysis (PCA) dega metode lai diperluka agar dapat megetahui perbedaa masig-masig metode. Selai itu, agar dapat meuukka bahwa metode yag satu lebih baik dari metode yag lai, maka diperluka percobaa kofirmasi terhadap kodisi optimum. A. Orthogoal Array LAMPIRAN Eksp. Faktor A B AB AB C AC AC BC D E BC F
6 6 Eksp. B. Struktur Data Lau Pemotoga Kekasara Permukaa Arus Keseaga Peyimpaga Dimesi y... y y... y y... y y4... y4 y... y y... y y... y y4... y4 y... y y... y y... y y4... y4 4 y4... y4 y4... y4 y4... y4 y44... y44 5 y5... y5 y5... y5 y5... y5 y45... y45 6 y6... y6 y6... y6 y6... y6 y46... y46 7 y7... y7 y7... y7 y7... y7 y47... y47 8 y8... y8 y8... y8 y8... y8 y48... y48 9 y9... y9 y9... y9 y9... y9 y49... y49 0 y0... y0 y0... y0 y0... y0 y40... y40 y... y y... y y... y y4... y4 y... y y... y y... y y4... y4 y... y y... y y... y y4... y4 4 y4... y4 y4... y4 y4... y4 y44... y44 5 y5... y5 y5... y5 y5... y5 y45... y45 6 y6... y6 y6... y6 y6... y6 y46... y46 7 y7... y7 y7... y7 y7... y7 y47... y47 8 y8... y8 y8... y8 y8... y8 y48... y48 9 y9... y9 y9... y9 y9... y9 y49... y49 0 y0... y0 y0... y0 y0... y0 y40... y40 y... y y... y y... y y4... y4 y... y y... y y... y y4... y4 y... y y... y y... y y4... y4 4 y4... y4 y4... y4 y4... y4 y44... y44 5 y5... y5 y5... y5 y5... y5 y45... y45 6 y6... y6 y6... y6 y6... y6 y46... y46 7 y7... y7 y7... y77 y7... y7 y47... y47 Departemet, Natioal Istitute of Techology, Kurukshetra, Haryaa, Idia. [7] Khuri, A.I. da Colo, M. (9). Simultaeous Optimizatio of Multiple Resposes reseted by Polyomial Regressio Fuctio. Techometrics : [8] Kuo, C.F.J., Su, T.L., Jhag, P.R., Huag, C.Y. da Chiu, C.H. (0). Usig the Taguchi method ad grey relatioal aalysis to optimize the flat-plate collector process with multiple quality characteristics i solar eergy collector maufacturig. Eergy 6 : [9] Lu, H.S., Chag, C.K., Hwag, N.C. da Chug, C.T. (009). Grey Relatioal Aalysis Coupled With Pricipal Compoet Aalysis For Optimizatio Desig Of The Cuttig Parameters I High-Speed Ed Millig. J. Mater. Process. Techol. 09 : [0] Park, S.H. (996). Robust Desig ad Aalysis for Quality Egieerig. New Delhi : PT. Palatio Thomso Press. [] Widagdo, A.T. (00). Optimasi Proses Pegecata Di PT. Paca Jasa Dega Taguchi Multirespo. Tugas Akhir : Jurusa Statistika FMIPA ITS. UCAPAN TERIMA KASIH Peulis megucapka terima kasih kepada Rohit Garg atas data yag diguaka utuk aalisis dalam peelitia ii. Peulis uga megucapka terima kasih kepada Bapak Dr. Soy Suaryo, M.Si da Bapak Muhammad Sahid Akbar, S.Si., M.Si selaku dose pembimbig yag telah memberika bimbiga da dukuga sehigga peyelesaia peelitia ii berala dega baik da lacar, serta kepada Ibu Sri Mumpui da Bapak Haryoo selaku dose pegui atas sara da kritik yag bermafaat utuk perbaika peelitia ii. DAFTAR PUSTAKA [] Aggraei, F. (00). Pemiliha Supplier dega Metode Kombiasi AHP da Fuzzy Liear Programmig, Grey Relatioal Aalysis, da Preemptive Goal Programmig. Skripsi : Uiversitas Kriste Petra, Surabaya. [] Balasubramaia, S. da Gaapathy, S. (0). Grey Relatioal Aalysis To Determie Optimum Process Parameters For WEDM. J. Egieerig Sciece ad Techol. : [] Belavedram, N. (995). Quality by Desig Taguchi Techiques for Idustrial Experimetatio. Lodo : Pretice Hall Iteratioal. [4] Chiag, Y.M. da Hsieh, H.H. (009). The use of the Taguchi method with Grey Relatioal Aalysis to Optimize The Thi-Film Sputterig Process with Multiple Quality Characteristics i Color Filter Maufacturig. J. Computers & Idustrial Egieerig 56 : [5] Derriger, G. da Suich, R. (980). Simultaeous Optimizatio of Several Respose Variables. Joural of the Quality Techology, : 4-9. [6] Garg, R. (00). Effect of Process Parameters o Performace Measures of Wire Electrical Discharge Machiig, Ph. D. Thesis, Mechaical Egieerig
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-3 Optimasi Multirespo Metode Taguchi dega Pedekata Quality Loss Fuctio (Study Kasus Proses Pembakara CO da Temperatur Gas Buag Pada Boiler
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciPENERAPAN PENDEKATAN GABUNGAN GREY RELATIONAL ANALYSIS (GRA) DAN PRICIPAL COMPONENT ANALYSIS (PCA) PADA METODE TAGUCHI MULTIRESPON
PENERAPAN PENDEKATAN GABUNGAN GREY RELATIONAL ANALYSIS (GRA) DAN PRICIPAL COMPONENT ANALYSIS (PCA) PADA METODE TAGUCHI MULTIRESPON Nur Aprilia Rahmadani 1310 105 006 Dosen Pembimbing Dr. Sony Sunaryo,M.Si
Lebih terperinciOPTIMASI MULTIRESPON PEMBUATAN KERTAS DI PAPER MACHINE II PT. ADIPRIMA SARAPRINTA GRESIK DENGAN PENDEKATAN METODE FUZZY LOGIC ABSTRAK
OPTIMASI MULTIRESPON PEMBUATAN KERTAS DI PAPER MACHINE II PT. ADIPRIMA SARAPRINTA GRESIK DENGAN PENDEKATAN METODE FUZZY LOGIC Niswatu Qoitah, Dr. Brodjol Sutijo SU,M.Si Mahasiswa S Statistika FMIPA, Dose
Lebih terperinciOPTIMASI KUAT TEKAN, RESAPAN, DAN KEAUSAN PAVING BLOK ABU VULKANIK DENGAN PENDEKATAN THE FUZZY LOGICS
OPTIMASI KUAT TEKAN, RESAPAN, DAN KEAUSAN PAVING BLOK ABU VULKANIK DENGAN PENDEKATAN THE UZZY LOGICS Radi Nugraha Putra, DR.Brojol Sutijo SU.,M.Si Mahasiswa Jurusa Statistika, Dose Pembimbig Jurusa Statistika
Lebih terperinciPengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007
1 Peguia Normal Multivariat T Hottelig pada Faktor-Faktor yag Mempegaruhi IPM di Jawa Timur da Jawa Barat Tahu 007 Dedi Setiawa, Zuy Iesa Pratiwi, Devi Lidasari, da Sati Puteri Rahayu Jurusa Statistika,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciStudi Kasus Optimasi Proses Sizing Benang di P.T. XYZ
Studi Kasus Optimasi Proses Sizig Beag di P.T. XYZ Didik Wahjudi Dose Jurusa Tekik Mesi-Fakultas Tekologi Idustri, Uiversitas Kriste Petra Ceter for Quality Improvemet Jl. Siwalakerto -, Surabaya 609 dwahjudi@peter.petra.ac.id
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and
BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinci4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN
4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciBAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F
BAB III MENENUKAN MODEL KERUSAKAN DAN INERVAL WAKU PREVENIVE MAINENANCE OPIMUM SISEM AXIS PADA MESIN CINCINNAI MILACRON DOUBLE GANRY IPE-F 3.1 Pedahulua Pada Bab II telah dijelaska beberapa teori yag diguaka
Lebih terperinciBAB III METODOLOGI PENELITIAN A. Tempat dan Waktu Penelitian Penelitian dilakukan di SMA Negeri 1 Ngemplak.Sekolah ini beralamatkan di jalan
BAB III METODOLOGI PENELITIAN A. Tempat da Waktu Peelitia Peelitia dilakuka di SMA Negeri 1 Ngemplak.Sekolah ii beralamatka di ala Embarkasi Hai Doohuda, kecamata Ngemplak, Kabupate Boyolali, Provisi Jawa
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciBAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran
BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciUji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05.
MA 8 STATISTIKA DASAR SEMESTER I /3 KK STATISTIKA, FMIPA ITB UJIAN AKHIR SEMESTER (UAS) Sei, Desember, 9.3.3 WIB ( MENIT) Kelas. Pegajar: Utriwei Mukhaiyar, Kelas. Pegajar: Sumato Wiotoharjo Jawablah pertayaa
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinci9 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciJurnal Matematika Murni dan Terapan Epsilon Juni 2014 Vol. 8 No. 1 METODE TAGUCHI UNTUK PENINGKATAN KUALITAS MUTU PRODUK
Jural Matematika Muri da Terapa Epsilo Jui 4 Vol. 8 No. METODE TGUCHI UNTUK PENINGKTN KULITS MUTU PRODUK khriyadi Wijaarta, Nur Salam, Dewi ggraii Program Studi Matematika Fakultas MIP Ulam Jl. Jed.. Yai
Lebih terperinciIII. METODELOGI PENELITIAN
III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciPerbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment
PRISMA 1 (2018) https://joural.ues.ac.id/sju/idex.php/prisma/ Perbadiga Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, da Estimasi Method Of Momet Muhammad Bohari Rahma, Edy Widodo
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciDISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin
DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciDIKTAT KULIAH PENGENDALIAN & PENJAMINAN KUALITAS (IE-501)
DIKTAT KULIAH PENGENDALIAN & PENJAMINAN KUALITAS (IE-50) TOPIK 7: TAGUCHI PARAMETER DESIGN Diktat ii diguaka bagi mahasiswa Jurusa Tekik Idustri Fakultas Tekik Uiversitas Kriste Maraatha Disusu oleh: Ir.
Lebih terperinciPOSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan
POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciPENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciPenyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.
2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug
Lebih terperinciBAB I PENDAHULUAN. X Y X Y X Y sampel
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi,
BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep
Lebih terperinciAnalisis Regresi Ordinal Untuk Mengetahui Faktor-Faktor Yang Mempengaruhi Kualitas Pelayanan Kesehatan Pada Komunitas Latino
Jural Gradie Vol 8 No 2 Juli 22 82-88 Aalisis Regresi Ordial Utuk Megetahui Faktor-Faktor Yag Mempegaruhi Kualitas Pelayaa Kesehata Pada Komuitas Latio Idhia Sriliaa Jurusa Matematika, Fakultas Matematika
Lebih terperinciMetode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial
Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciBAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy
BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia
Lebih terperinciIII. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu
III. METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika. Meurut Arikuto (99 :
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciBAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum,
32 BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di PT. INKA yag terletak di Jl. Yos Sudarso o 71 Madiu, utuk medapatka gambara kodisi tempat peelitia secara umum, termasuk kegiata-kegiata
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciBAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis
BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi
5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki
Lebih terperinciPENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R
PENAKSIRAN P E N A K S I R A N T I T I K P E N A K S I R A N S E L A N G S E L A N G K E P E R C A Y A A N U N T U K R A T A A N S E L A N G K E P E R C A Y A A N U N T U K V A R I A N S I M A 0 8 S T
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
Lebih terperinciMODEL JUMLAH PENANGKAPAN IKAN LAUT DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI LINIER BERTATAR
1 MODEL JUMLAH PENANGKAPAN IKAN LAUT DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI LINIER BERTATAR Fui Rahayu Wilueg, Dra. Nuri Wahyuigsih [1] Jurusa Matematika, Fakultas Matematika da Ilmu Pegetahua Alam
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciRange atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu
BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Seputih Agung. Populasi dalam
19 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMP Negeri 1 Seputih Agug. Populasi dalam peelitia ii adalah seluruh siswa kelas VII SMP Negeri 1 Seputih Agug sebayak 248 siswa
Lebih terperinciPENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA
PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis
Lebih terperinciIII. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011
III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciPenaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA08 STATISTIKA DASAR MA08 STATISTIKA DASAR Utriwei Mukhaiyar 5 Oktober 0 Metode Peaksira Peaksira Titik
Lebih terperinciPENENTUAN PANJANG GELOMBANG MAKSIMUM DAN KONSENTRASI CAMPURAN MENGGUNAKAN DUA JENIS SPEKTROFOTOMETRI UV-VIS
Lapora Praktikum Aalisis Istrumetal 2014 PENENTUAN PANJANG GELOMBANG MAKSIMUM DAN KONSENTRASI CAMPURAN MENGGUNAKAN DUA JENIS SPEKTROFOTOMETRI UV-VIS Norma Nur Azizah 1, Wula Suci P, Mohamad Rafi 1 Departeme
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciMakalah ANALISIS REGRESI DAN REGRESI GANDA
1 Makalah ANALISIS REGRESI DAN REGRESI GANDA Disusu oleh : 1. Rudii mulya ( 41610010035 ). Falle jatu awar try ( 41610010036 ) 3. Novia ( 41610010034 ) Tekik Idustri Uiversitas Mercu Buaa Jakarta 010 Rudii
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciStatistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015
Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi
Lebih terperinciAplikasi Interpolasi Bilinier pada Pengolahan Citra Digital
Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id
Lebih terperinciPENENTUAN VARIABEL PERANCANGAN ECONOMIZER YANG ROBUST DAN MAMPU MEMENUHI MULTI TUJUAN (RESPON)
Prosidig Semiar Nasioal Maajeme Tekologi VI Program Studi MMT-ITS, Surabaya 4 Agustus 007 PENENTUAN VARIABEL PERANCANGAN ECONOMIZER YANG ROBUST DAN MAMPU MEMENUHI MULTI TUJUAN (RESPON (Studi Kasus Pada
Lebih terperinciSTUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN
STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Metodologi peelitia berasal dari kata metode yag artiya cara yag tepat utuk melakuka sesuatu, da logos yag artiya ilmu atau pegetahua. Jadi metodologi artiya cara melakuka sesuatu
Lebih terperinciUniversitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan REGRESI DAN KORELASI. Statistika dan Probabilitas
Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga REGRESI DAN KORELASI Statistika da Probabilitas Kurva Regresi Mecari garis/kurva yag mewakili seragkaia titik data Ada dua cara utuk
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA
PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas
Lebih terperinciJENIS PENDUGAAN STATISTIK
ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka
Lebih terperinci