Pengelompokan Kepemilikan Jaminan Kesehatan Menggunakan Metode Fuzzy C-Means Algorithm
|
|
- Liani Salim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematika da Nilai Islami) Vol.1, No.1, Juli 2017, Hal p-issn: ; e-issn: X Halama 299 Pegelompoka Kepemilika Jamia Kesehata Megguaka Metode Fuzzy C-Meas Algorithm Aissa Karmila Islami 1, Edy Widodo 2 Program Studi Statistika Fakultas MIPA Uiversitas Islam Idoesia Ifo Artikel Riwayat Artikel: Diterima: 15 Mei 2017 Direvisi: 1 Jui 2017 Diterbitka: 31 Juli 2017 Kata kuci: Kesehata Ideks Xie Bei Fuzzy C-Meas ABSTRAK Kesehata merupaka suatu kebutuha utama da merupaka ivestasi berharga dalam pembagua. Hak atas kesehata merupaka hak dasar setiap isa yag dijami dalam perudag-udaga sesuai dega Udag-Udag No.36 Tahu 2009 tetag kesehata pada pasal 5 yaitu setiap orag memiliki hak yag sama dalam memperoleh akses atas sumber daya di bidag kesehata. Namu, belum semua masyarakat mampu meikmati pelayaa kesehata yag layak. Jawa Tegah yag merupaka salah satu provisi dega kepadata peduduk terbayak, utuk itu perlu dilakukaya pegelompoka kepemilika jamia kesehata di setiap kota/ kabupateya di Provisi Jawa Tegah pada Tahu Metode yag diguaka utuk pegelompoka kepemilika jamia kesehata adalah Fuzzy C-Meas Algorithm. Fuzzy C-Meas Algorithm merupaka suatu tekik pegelompoka data yag maa suatu cluster ditetuka oleh derajat keaggotaa. Dalam peelitia ii peetua bayakya cluster didasarka pada ideks xie da bei. Bayakya cluster yag dibetuk adalah 6 cluster. Hasil yag diperoleh dari pegelompoka cluster 1 sebayak 5 kabupate/kota, cluster 2 sebayak 2 kabupate/kota, cluster 3 sebayak 7 kabupate/kota, cluster 4 sebayak 13 kabupate/kota, cluster 5 sebayak 1 kabupate/kota, cluster 6 sebayak 7 kabupate/kota Copyright 2017 SI MaNIs. All rights reserved. Korespodesi: Aissa Karmila Islami, Program Studi Statistika Fakultas MIPA, Uiversitas Islam Idoesia, Jl. Kaliurag Km. 14,5 Yogyakarta Idoesia aissakislami@gmail.com 1. PENDAHULUAN Berdasarka kutipa latar belakag peerbita olie oleh Bada Pusat Statistik (BPS) [1] yaitu kesehata merupaka suatu kebutuha utama da merupaka ivestasi berharga dalam pembagua. Perkembaga tekologi dalam bidag kesehata megalami perkembaga yag cukup pesat. Namu, belum semua masyarakat mampu meikmati pelayaa kesehata yag layak. Pemeritah telah berupaya utuk memeuhi hak setiap warga egara utuk medapatka pelayaa kesehata yag layak.utuk mejami kemudaha akses terhadap pelayaa kesehata, pemeritah meyediaka jamia kesehata bagi seluruh rakyat. Jeis-jeis dari jamia kesehata diataraya : Bada Peyeleggara Jamia Sosial () kesehata, keteagakerjaa, Asurasi Kesehata (Askes), Jamia Sosial Teaga Kerja (Jamsostek), Jamia Kesehata Daerah (Jamkesda), Asurasi Swasta, da Kator/Perusahaa [1]. Meurut BPS, jamia kesehata merupaka program batua sosial utuk pelayaa kesehata dalam betuk kartu atau apapu yag dapat diguaka utuk pembiayaa kesehata bila ama yag tertera dalam kartu atau laiya melakuka perawata kesehata seperti ke dokter, puskesmas, rumah Lama Prosidig:
2 Halama 300 p-issn: ; e-issn: X sakit, da sebagaiya. Peerapa jamia kesehata disesuaika dega kemampua ekoomi rakyat da bersifat wajib bagi seluruh rakyat. Peserta tersebut meliputi Peerima Batua Iura (PBI) meliputi orag yag tergolog fakir miski da orag tidak mampu da buka PBI meliputi: pekerja peerima upah da aggota keluargaya, pekerja buka peerima upah da aggota keluargaya, buka pekerja da aggota keluargaya, da peerima pesiu [2]. Berdasarka data hasil Sesus Peduduk dari Bada Pusat Statistik Provisi Jawa Tegah, jumlah peduduk Provisi Jawa Tegah pada tahu 2010 sebesar jiwa, dega kepadata peduduk 995 jiwa utuk setiap km 2 lebih tiggi dibadigka jumlah kepadata peduduk Nasioal 124 jiwa utuk setiap km 2. Wilayah terpadat adalah Kota Surakarta, dega tigkat kepadata peduduk sekitar jiwa per km 2. Wilayah terlapag adalah Kabupate Blora, dega tigkat kepadata peduduk sekitar 472 jiwa per km 2, dari data tersebut terlihat bahwa persebara peduduk di Jawa Tegah belum merata Dari permasalaha di atas, maka perlu adaya pegelompoka (clusterig) jumlah kepemilika jamia kesehata di Jawa Tegah yag tersedia di tiap-tiap Kabupate/Kota. Clusterig wilayah bertujua utuk membagi wilayah-wilayah dalam kelompok dega karakteristik yag memiliki tigkat kemiripa yag tiggi di dalam setiap kelompok da memiliki perbedaa atar kelompok. Proses clusterig perah dilakuka oleh Rizal da Hakim [3] dega membadigka aalisis K-Meas da Fuzzy C-Meas (FCM) utuk pegelompoka Ideks Pembagua Mausia di Kawasa Idoesia Timur tahu Dari hasil perbadiga tersebut meujukka bahwa fuzzy c-meas memberika hasil pegelompokka yag baik. FCM adalah suatu tekik cluster data yag maa keberadaa tiap-tiap data dalam suatu cluster ditetuka oleh ilai keaggotaa. Tekik ii pertama kali diperkealka oleh Jim Bezdek pada tahu Kosep dasar FCM, pertama kali adalah meetuka pusat cluster yag aka meadai lokasi ratarata utuk tiap-tiap cluster. Pada kodisi awal, pusat cluster ii masih belum akurat.tiap-tiap data memiliki derajat keaggotaa utuk tiap-tiap cluster. Dega cara memperbaiki pusat cluster da ilai keaggotaa tiap-tiap data secara berulag, maka aka dapat dilihat bahwa pusat cluster aka bergerak maju meuju lokasi yag tepat. [4] Metode fuzzy c-meas memberika hasil yag halus da cukup efektif [5]. Kehalusa yag dimaksud yaitu objek pegamata tidak mutlak utuk mejadi aggota satu cluster saja, aka tetapi bisa dega tigkat ukura keaggotaa yag berbeda-beda Berdasarka latar belakag yag telah diuraika, maka peulis megambil judul dalam peelitia ii adalah PENGELOMPOKKAN KEPEMILIKAN JAMINAN KESEHATAN MENGGUNAKAN FUZZY C-MEANS ALGORITHM. (Studi kasus pada Provisi Jawa Tegah 2015) Fuzzy C-Meas Fuzzy C Meas (FCM) adalah suatu tekik pegclustera data yag maa keberadaa tiap-tiap titik data dalam suatu cluster ditetuka oleh derajat keaggotaa. Tekik ii pertama kali diperkealka oleh Jim Bezdek pada tahu 1981 [6] Fuzzy diyataka dalam derajat dari suatu keaggotaa da derajat dari kebeara, maka fuzzy dapat dikataka sebagia bear da sebagia salah pada waktu yag sama [4]. Logika dari fuzzy memugkika ilai keaggotaa atara 0 da 1 dega tigkat keabua da juga hitam da putih, kosep tidak seperti sedikit, lumaya da sagat [4]. Kelebiha dari teori logika fuzzy yaitu kemampua dalam proses pealara secara bahasa (liguistic reasoig). Sehigga dalam peracagaya tidak memerluka persamaa matematik dari objek yag aka dikedalika. Utuk meghitug FCM dibuat terlebih dahulu jumlah kelas yag aka dijadika basis klasifikasi. Kemudia dilakuka iterasi sampai medapatka keaggotaa kelompok tersebut. Metode ii memberika hasil yag smooth (halus) karea pembobota yag diguaka berdasarka himpua fuzzy. Kehalusa berarti objek pegamata tidak mutlak utuk mejadi satu aggota kelompok saja, aka tetapi memugkika utuk mejadi aggota kelompok yag lai dega ukura tigkat keaggotaa yag berbeda-beda [7]. Kosep dasar FCM, pertama kali adalah meetuka pusat cluster, yag aka meadai lokasi ratarata utuk tiap-tiap cluster. Pada kodisi awal, pusat cluster ii masih belum akurat. Tiap-tiap titik data memiliki derajat keaggotaa utuk tiap-tiap cluster. Dega cara memperbaiki pusat cluster da derajat keaggotaa tiap-tiap titik data secara berulag, maka aka dapat dilihat bahwa pusat cluster aka bergerak meuju likasi yag tepat. Perulaga ii didasarka pada miimisasi fugsi objektif yag meggambarka jarak dari titik data yag diberika ke pusat cluster yag terbobot oleh derajat keaggotaa titik data tersebut [6]. Output dari FCM merupaka dereta pusat cluster da beberapa derajat keagotaa utuk tiap-tiap titik data. Iformasi ii dapat diguaka utuk membagu suatu fuzzy iferece system. Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematika da Nilai Islami) Vol.1, No.1, Juli 2017:
3 Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematika da Nilai Islami) Halama 301 Algoritma FCM diberika sebagai berikut [7]: 1. Iput data yag aka di cluster X, berupa matriks berukura x m, ( = jumlah data, da m = jumlah variabel) (kriteria). X ij = data sampel ke-i (i = 1,2,,) atribut ke-j (j = 1,2,,m) 2. Tetuka : a. Jumlah cluster yag aka dibetuk = c ( 2) b. Pagkat (pembobot) = w (> 1) c. Maksimum iterasi = MaxIter d. Error terkecil yag diharapka = ξ e. Fugsi objektif awal = P 0 = 0 f. Iterasi awal = t = 1; 3. Bagkitka bilaga radom μ ik, i=1,2,,; k=1,2,,c; sebagai eleme-eleme matriks partisi awal U. Matriks partisi (U) pada pegelompokka fuzzy memeuhi kodisi sebagai berikut (Klawo & Keller, 1997): µ ik [0,1]; 1 i ; 1 k c (2.1) µ ik adalah derajat keaggotaa yag merujuk pada seberapa besar kemugkia suatu data bias mejadi aggota ke dalam suatu cluster. Hitug jumlah setiap kolom (atribut): Qi = c µik k = 1 4. Hitug pusat cluster ke-k: V kj, dega k=1,2,,c; da j=1,2,,m (2.2) V kj = i=1 [(μ ik) w x ij [(μ ik ) w i=1 5. Hitug fugsi objektif pada iterasi ke-t, Pt: Fugsi obyektif diguaka sebagai syarat perulaga utuk medapatka pusat cluster yag tepat. Sehigga diperoleh kecederuga data utuk masuk ke cluster maa pada step akhir. Utuk iterasi awal ilai t=1 c m P t = i=1 k=1 ([ j=1(x ij V kj ) 2 w ]μ ik (2.4) 6. Hitug perubaha matriks partisi: m U = [ j=1 (X ij v kj ) 2 ] 1 w 1 [ m (X ij V kj ) 2 1 c w 1 k=1 j=1 ] 7. Cek kodisi berheti jika: a. Pt Pt-1 < ξ atau (t>maxiter) maka berheti; b. Jika tidak, iterasi diaikka t=t+1, ulagi lagkah ke-4 Ideks XB (Xie da Bei) Ukura kevalida cluster yag diguaka adalah ideks XB yag ditemuka oleh Xie da Bei yag pertama kali dikemukaka pada tahu Ukura kevalida cluster merupaka proses evaluasi dari hasil clusterig utuk meetuka cluster maa yag terbaik. Ada dua kriteria dalam megukur kevalida suatu cluster, yaitu[8]: 1. Compactess, yaitu ukura kedekata atar aggota pada setiap cluster. 2. Separatio, yaitu ukura keterpisaha atar cluster dega cluster yag laiya. Rumus dari kevalida suatu cluster atau ideks Xie-Bei (XB) yaitu: C 2 (2.3) (2.5) XB = i=1 j=1 μ ik w v i x j (2.6) mi ij v i v j 2 Semaki kecil ilai XB, maka pegelompoka tersebut semaki valid. dega: µ ik meyataka derajat keaggotaa dari sebuah cluster X j X i 2 meyataka jarak observasi dega pusat cluster meyataka bayakya objek yag aka dikelompoka V i V j 2 meyataka jarak miimum atara pusat cluster V i da Vj 2. METODE PENELITIAN Jeis data dalam peelitia ii adalah data sekuder yag diperoleh dari Publikasi di website BPS Provisi Jawa Tegah.Publikasi yag diberi judul Profil Kesehata Jawa Tegah Data yag diguaka adalah data persetase jumlah kepemilika jamia kesehata di tiap Kabupate/Kota di Provisi Jawa Tegah.Variabel peelitia ii diataraya Bada Peyeleggara Jamia Sosial () Pegelompoka Kepemilika Jamia Kesehata Megguaka Metode Fuzzy C-Meas Algorithm
4 Halama 302 p-issn: ; e-issn: X keteagakerjaa, kesehata, Askes/Asabri/Jamsostek, Jamkesmas, Jamkesda, Asurasi Swasta, Perusahaa/Kator. Dalam peelitia ii megguaka metode aalisis Fuzzy C Meas (FCM). Pada metode ii, lagkah awal yaitu meetuka pusat cluster yag aka meadai lokasi rata-rata dari tiap-tiap cluster dega cara memperbaiki pusat cluster da ilai keaggotaa utuk tiap data secara berulag. Dari proses perulaga tersebut maka aka dapat dilihat bahwa pusat cluster aka bergerak meuju lokasi yag tepat. Perulaga ii didasarka pada miimisasi fugsi objektif yag meggambarka jarak dari titik data yag diberika ke pusat cluster yag terbobot oleh derajat keaggotaa titik data tersebut. Alat batu yag diguaka dalam aalisis ii yaki peragkat luak Microsoft excel 2007 da Software R. i Berikut diagram alur dalam peelitia ii. Gambar 1. Diagram Alur Peelitia 3. HASIL DAN PEMBAHASAN 3.1. Pemiliha Matriks Matriks utuk kepemilika jamia kesehata berukura 35 x 7, 35 merupaka bayakya kabupate/kota di Provisi Jawa Tegah, sedagka 7 merupaka variabel jeis-jeis jamia kesehata Peetua Jumlah Cluster, maksimum iterasi Pada peetua jumlah cluster peeliti megambil bayakya cluster sebayak 6 cluster yag diperoleh dari ilai Ideks Xie Bei (XB) yag optimum. Diguaka Ideks XB (Xie da Bei) karea memiliki ketepata da keadala yag tiggi, baik utuk memberika bayak cluster optimum pada metode hard partitio seperti K-meas clusterig maupu FCM [8]. Nilai dari ideks Xie da Bei diperoleh megguaka batua software Ri dega library e107. Dalam peetua jumlah iterasi diguaka iterasi maksimum sebayak 100 iterasi, amu iterasi maksimum yag terbetuk dega cluster 6 sebayak 94 iterasi. Meetuka pagkat atau pembobot ke fuzzy-a dalam peelitia ii ilai m yag diguaka yaki 2 [9] meyataka bahwa peetapa agka pagkat sebesar 2 aka meghasilka tigkat akurasi yag lebih tiggi Hasil Cluster Dega megguaka software R didapat sejumlah hasil sebagai berikut : Pusat Cluster Pusat Cluster dibagi mejadi 6 sesuai dega pembagia cluster yag terbetuk dega 7 variabel. Pusat cluster berfugsi utuk meeragka bahwa tiap-tiap cluster memiliki derajat keaggotaa masig- Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematika da Nilai Islami) Vol.1, No.1, Juli 2017:
5 Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematika da Nilai Islami) Halama 303 masig terhadap tiap variabel yag ada, maka dapat disimpulka pusat cluster utuk masig-masig variabel yag terbetuk adalah sebagai berikut: Tabel 3.1 Pusat Cluster utuk tiap Variabel kesehata keteagakerjaa Askes/Asabri/Ja msostek Jamkesmas Jamkesda Asurasi Swasta Kator/Perusah a Cluster 1 6,52 1,06 4,47 42,30 1,61 0,32 0,31 Cluster 2 12,17 2,41 9,97 20,11 29,07 1,21 3,05 Cluster 3 8,05 2,01 20,11 21,97 3,37 0,68 0,56 Cluster 4 6,08 0,92 29,07 31,71 2,19 0,52 0,38 Cluster 5 11,01 6,06 1,21 16,89 81,42 0,41 0,38 Cluster 6 17,12 3,15 3,05 18,03 5, ,42 Dari tiap pusat cluster yag terbetuk, masig-masig cluster memiliki ciri-ciri keaggotaa dari tiap variabelya. Berikut adalah ciri-ciri keaggotaa tiap variabel pembetuk pada tiap cluster. 1. Cluster 1 bayakya jumlah kepemilika jamia kesehata di tiap kabupate/kota yaitu kesehata sebayak 6.52%, keteagakerjaa sebayak 1.06%, Askes/Asabri/Jamsostek sebayak 4.47%, Jamkesmas sebayak 42,30%, Jamkesda sebayak 1,61%, Asurasi Swasta sebayak 0.32%, da perusahaa/kator sebayak 0.31%. 2. Cluster 2 bayakya jumlah kepemilika jamia kesehata di tiap kabupate/kota yaitu kesehata sebayak 12.17%, keteagakerjaa sebayak 2.41%, Askes/Asabri/Jamsostek sebayak 9.97%, Jamkesmas sebayak 20.11%, Jamkesda sebayak 29.07%, Asurasi Swasta sebayak 1.21%, da perusahaa/kator sebayak 3.05%. 3. Cluster 3 bayakya jumlah kepemilika jamia kesehata di tiap kabupate/kota yaitu kesehata sebayak 8.05%, Keteagakerjaa sebayak 2.01%, Askes/Asabri/Jamsostek sebayak 6.31%, Jamkesmas sebayak 21.97%, Jamkesda sebayak 3.37%, Asurasi Swasta sebayak 0.68%, da perusahaa/kator sebayak 0.56%. 4. Cluster 4 bayakya jumlah kepemilika jamia kesehata di tiap kabupate/kota yaitu kesehata sebayak 6.08%, keteagakerjaa sebayak 0.92%, Askes/Asabri/Jamsostek sebayak 4.56%, Jamkesmas sebayak 31.71%, Jamkesda sebayak 2.91%, Asurasi Swasta sebayak 0.52%, da perusahaa/kator sebayak 0.38%. 5. Cluster 5 bayakya jumlah kepemilika jamia kesehata di tiap kabupate/kota yaitu kesehata sebayak 11.01%, keteagakerjaa sebayak 6.06%, Askes/Asabri/Jamsostek sebayak 9.51%, Jamkesmas sebayak 42,30%, Jamkesda sebayak 81.42%, Asurasi Swasta sebayak 0.41%, da perusahaa/kator sebayak 0.38%. 6. Cluster 6 bayakya jumlah kepemilika jamia kesehata di tiap kabupate/kota yaitu kesehata sebayak 17.12%, keteagakerjaa sebayak 3.15%, Askes/Asabri/Jamsostek sebayak 6.46%, Jamkesmas sebayak 18.03%, Jamkesda sebayak 5.88%, Asurasi Swasta sebayak 1.61%, da perusahaa/kator sebayak 1.42% Keaggotaa Tiap Cluster da Hasil Cluster Pada keaggotaa tiap cluster diperoleh dari ilai keaggotaa palig besar. Berdasarka hasil dari keaggotaa tiap cluster diperoleh hasil cluster berdasarka pada ilai fugsi keaggotaa dega ilai tertiggi pada setiap kabupate/kota. Maka diperoleh hasil cluster dari tiap kelompok sebagai berikut: Kabupate/kota yag tergolog dalam cluster 1 adalah Kab. Purbaligga, Kab. Kebume, Kab. Rembag, Kab. Demak, Kab. Brebes Kabupate/kota yag tergolog dalam cluster 2 adalah Kab. Kudus da Kota Magelag Kabupate/kota yag tergolog dalam cluster 3 adalah Kabupate Bajaregara, Boyolali, Woogiri, Karagayar, Srage, Blora, da Kabupate Kedal Kabupate/kota yag tergolog dalam cluster 4 adalah Kabupate Bayumas, Purworejo, Woosobo, Magelag, Klate, Groboga, Pati, Jepara, Temaggug, Batag, Cilacap, Pekaloga, da Kabupate Pemalag Kabupate/kota yag tergolog dalam cluster 5 adalah Kabupate Semarag Kabupate/kota yag tergolog dalam cluster 6 adalah Kabupate Sukoharjo, Tegal, Kota Surakarta, Salatiga, Semarag, Pekaloga, da kota Tegal Rata-Rata Tiap Cluster Pegelompoka Kepemilika Jamia Kesehata Megguaka Metode Fuzzy C-Meas Algorithm
6 Halama 304 p-issn: ; e-issn: X Kesehata Keteagak erjaa Tabel 3.2 Rata-rata tiap cluster Askes/Asabri/J Jamkesmas Jamkesda Asurasi amsostek Swasta Cluster Cluster Cluster Cluster Cluster Cluster Kator/Per usahaa Berdasarkailai rata-rata tiap cluster da hasil clusterberdasarka pada ilai fugsi keaggotaa diperoleh karakteristik pembagia wilayah Provisi Jawa Tegah berdasarka kepemilika jamia kesehata ke dalam 6 cluster: 1. Cluster 1 yaki kabupate/kotaya memiliki jumlah kepemilika asurasi swasta da kepemilika jamia kesehata dari perusahaa/kator teredah sebesar 0.3%, sedagka utuk jamkesmas cukup tiggi di kabupate tersebut 2. Cluster 2 yaki kabupate/kotaya memiliki jumlah kepemilika asurasi swasta teredah sebesar 1.1%, sedagka utuk jamkesda cukup tiggi di kabupate tersebut 3. Cluster 3 da cluster 4 yaitu kabupate/kotaya memiliki jumlah kepemilika jamia kesehata dari perusahaa/kator teredah sebesar 0.4%, sedagka utuk jamkesmas cukup tiggi di kabupate tersebut 4. Cluster 5 yaitu kabupate/kotaya memiliki jumlah kepemilika jamia kesehata yag sagat tiggi berupa jamkesda sebesar 90.4%. Sebagia besar masyarakat yag ada pada cluster 5 memiliki jamkesda. 5. Cluster 6 yaitu kabupate/kotaya memiliki jumlah kepemilika asurasi swasta da asurasi dari perusahaa/kator teredah yaitu sebesar 1.7%, sedagka utuk jamkesmas masih cukup tiggi di kabupate tersebut 4. KESIMPULAN Berdasarka rumusa masalah yag telah dijelaska pada bab sebelumya, maka diperoleh kesimpula: 1. Gambara kepemilika jamia kesehata provisi Jawa Tegah yaitu jamia kesehata terbayak di Provisi Jawa Tegah adalah jamia kesehata Jamkesmas (968,3%), kesehata (314,57%), Jamkesda (246,56%), askes/asabri/jamsostek (203,73%), keteagakerjaa (63,96%), Asurasi Swasta (29,43%), da jamia kesehata dari perusahaa/kator (28,57%) 2. Hasil cluster megguaka metode fuzzy c-meas dari seluruh kabupate/kota di Provisi Jawa Tegah yag masuk kedalam cluster 1 sebayak 6 kabupate/kota, cluster 2 sebayak 2 kabupate/kota, cluster 3 sebayak 7 kabupate/kota, cluster 4 sebayak 12 kabupate/kota, cluster 5 sebayak 1 kabupate/kota, cluster 6 sebayak 7 kabupate/kota UCAPAN TERIMAKASIH Alhamdulillah peulis ucapka kepada Allah SWT yag telah melimpahka rahmat, hidayah, serta iayah-nya sehigga peulis dapat meyelesaika peelitia ii. Peelitia ii tidak terlepas dari batua, araha, da bimbiga dari berbagai pihak. Utuk itu peulis igi megucapka terima kasih atas segala batua da bimbiga yag telah diberika kepada peulis semoga medapatka balasa dari Allah SWT. Peulis meyadari aka keterbatasa kemampua dalam meyelesaika peelitia ii, oleh karea itu peulis megharapka kritik da sara yag membagu demi kesempuraa peyusua peelitia ii. Semoga peelitia ii dapat bermafaat bagi semua pihak. DAFTAR PUSTAKA Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematika da Nilai Islami) Vol.1, No.1, Juli 2017:
7 Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematika da Nilai Islami) Halama 305 [1] BPS Jawa Tegah Profil Kesehata Jawa Tegah Semarag: BPS Jawa Tegah [2] Depkes RI Buku Pegaga Sosialisasi JKN dalam Sistem Jamia Sosial Nasioal. Jakarta: Depkes RI [3] Rizal, S.A da Hakim, F Metode K-Meas Cluster Da Fuzzy C-Meas Cluster (Studi kasus: Ideks Pembagua Mausia di Kawasa Idoesia Timur tahu 2012). Yogyakarta : Uiversitas Islam Idoesia [4] Kusumadewi, S da Sri H Neuro Fuzzy. Yogyakarta: Graha Ilmu [5] Sukim Studi Tetag Metode C-Meas Cluster da Fuzzy C-Meas Cluster Serta Aplikasiya Pada Kasus Pegelompokka Desa/Keluraha Berdasarka Status Ketertiggala. Istitut Tekologi Sepuluh Nopember, Surabaya [6] Kusumadewi, S & Puromo, H Aplikasi Logika Fuzzy Utuk Pedukug Keputusa. Yogyakarta : Graha Ilmu [7] Widodo P. P, Hadayato, R. T, & Herlawati Peerapa Data Miig Dega Matlab. Badug: Rekayasa Sais [8] Duo, C., Xue, L. da Du-Wu, C A Adaptve Cluster Validity Idex for the Fuzzy C-Meas, Iteratioal Joural of Computer Sciece ad Network Security, Vol.7 No.2, Hal: [9] Aggraei, Wula Peetua Pagkat Pada Algoritma Fuzzy C-Meas : Faktor Exacta 8(3): , 2015 ISSN: X Pegelompoka Kepemilika Jamia Kesehata Megguaka Metode Fuzzy C-Meas Algorithm
METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
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 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 terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
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 terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
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. 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 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 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 III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciPENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart
Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa
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 terperinciBAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa
54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
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 IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
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 terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinciRESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015
RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi
Lebih terperinciBAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS DI DESA KATERBAN MENGGUNAKAN METODE WEIGHTED PRODUCT SKRIPSI
SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN PENERIMA JAMKESMAS DI DESA KATERBAN MENGGUNAKAN METODE WEIGHTED PRODUCT SKRIPSI Diajuka Utuk Memeuhi Sebagia Syarat Gua Memperoleh Gelar Sarjaa Komputer (S.Kom) Pada
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 terperinciBAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat
38 3.1 Lokasi da Waktu Peelitia 3.1.1 Lokasi Peelitia BAB III METODE PENELITIAN Lokasi peelitia ii dilakuka di Puskesmas Limba B terutama masyarakat yag berada di keluraha limba B Kecamata Kota Selata
Lebih terperinciII. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.
II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.
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 terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperincib. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:
Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah
Lebih terperinciInflasi dan Indeks Harga I
PERTEMUAN 1 Iflasi da Ideks Harga I 1 1 TEORI RINGKAS A Pegertia Agka Ideks Agka ideks merupaka suatu kosep yag dapat memberika gambara tetag perubaha-perubaha variabel dari suatu priode ke periode berikutya
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 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 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 terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciBAB III METODOLOGI PENELITIAN
31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag
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 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 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 METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
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 terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
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 III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh
BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka
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 II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah
Lebih terperinci1 n MODUL 5. Peubah Acak Diskret Khusus
ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai
Lebih terperinciIII. METODE PENELITIAN
9 III. METODE PENELITIAN A. Lokasi da Objek Peelitia Peelitia ii dilakuka di RPH Tejo Petak 10i, BKPH Parug Pajag KPH Bogor, Perum Perhutai Uit III Jawa Barat da Bate. Objek peelitia adalah waktu kerja
Lebih terperinciSTATISTIKA DAN PELUANG BAB III STATISTIKA
Matematika Kelas IX Semester BAB Statistika STATISTIKA DAN PELUANG BAB III STATISTIKA A. Statistika Pegertia Statistika Statistika adalah ilmu yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis
Lebih terperinciPENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno
sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id
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 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 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 terperinciPemilihan Ketua BEM Fakultas Teknik UN PGRI Kediri menggunakan Metode ELECTRE
Pemiliha Ketua BEM Fakultas Tekik UN PGRI Kediri megguaka Metode ELECTRE Nalsa Citya Resti Sistem Iformasi, Fakultas Tekik, Uiversitas Nusatara PGRI Kediri E-mail: alsacitya@upkediri.ac.id Abstrak salah
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 terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
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 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 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 terperinciA. Pengertian Hipotesis
PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa
Lebih terperinciPENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI
Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,
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 terperinciPEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH
PEMODELAN SPATIAL DURBIN ERROR MODEL (SDEM) PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI JAWA TENGAH 1 Imaroh Izzatu Nisa, 2 Abdul Karim, 3 Rochdi Wasoo 1,2,3 Prodi Statistika, FMIPA,Uiversitas Muhammadiyah
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 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 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 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 terperinciMETODE PENELITIAN. 3.1 Kerangka Pemikiran
24 III. METODE PENELITIN 3.1 Keragka Pemikira BMT l-fath IKMI melakuka fugsi meyalurka daa dega melakuka pembiayaa kepada UMKM. Produk pembiayaa yag dimiliki BMT l-fath IKMI adalah Murabahah da Iarah.
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 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 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 terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
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 terperinciBAB III METODE PENELITIAN. penelitian ini adalah penelitian diskriptif kuantitatif. Dalam hal ini peneliti akan
BAB III METODE PENELITIAN A. Jeis Peelitia Berdasarka pertayaa peelitia yag peeliti ajuka maka jeis peelitia ii adalah peelitia diskriptif kuatitatif. Dalam hal ii peeliti aka mediskripsika kemampua relatig,
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 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 terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.
III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
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 terperinciBAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat
BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh
Lebih terperinciModul Kuliah statistika
Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata
Lebih terperinciProbabilitas dan Statistika Teorema Bayes. Adam Hendra Brata
robabilitas da Statistika Teorema ayes dam Hedra rata Itroduksi - Joit robability Itroduksi Teorema ayes eluag Kejadia ersyarat Jika muculya mempegaruhi peluag muculya kejadia atau sebalikya, da adalah
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan penelitian tindakan kelas yang dilaksanakan pada siswa
III. METODE PENELITIAN A. Settig Peelitia Peelitia ii merupaka peelitia tidaka kelas yag dilaksaaka pada siswa kelas VIIIB SMP Muhammadiyah 1 Sidomulyo Kabupate Lampug Selata semester geap tahu pelajara
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jeis peelitia Peelitia ii merupaka jeis peelitia eksperime. Karea adaya pemberia perlakua pada sampel (siswa yag memiliki self efficacy redah da sagat redah) yaitu berupa layaa
Lebih terperinciII. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang
II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori
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 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 terperinciSEBARAN t dan SEBARAN F
SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Kegiata peelitia ii dilaksaaka pada bula Mei 2011 bertempat di Dusu Nusa Bakti, Kecamata Serawai da Dusu Natai Buga, Kecamata Melawi yag merupaka
Lebih terperinciMateri 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya
Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Iformasi UNIKOM 2016 Nizar Rabbi Radliya izar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetesi Dasar Memahami tekik data miig klasifikasi da mampu meerapka
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 terperinciBAB 1 PENDAHULUAN. dimana f(x) adalah fungsi tujuan dan h(x) adalah fungsi pembatas.
BAB 1 PENDAHUUAN 1.1 atar Belakag Pada dasarya masalah optimisasi adalah suatu masalah utuk membuat ilai fugsi tujua mejadi maksimum atau miimum dega memperhatika pembatas pembatas yag ada. Dalam aplikasi
Lebih terperincimempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.
Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah
Lebih terperinci