III. METODE PENELITIAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "III. METODE PENELITIAN"

Transkripsi

1 III. METODE PENELITIN 3. Jes da Suber Daa Daa uaa yag dguaka uuk eela adalah harga yak bu dua (), harga yak kedela dua (), harga CPO CIF Roerda (), harga CPO FOB Malaysa (PCPOMY), harga eksor CPO (), harga ecera yak goreg (), da harga ada buah segar (). Daa-daa ersebu deroleh dar daabase IFS, Baeb, Ol World, da Bada Pusa Sask. Pelha keujuh varabel d aas sebaga varabel eela ddasarka aas dugaa adaya ola arah da sfa daka sera hubuga kausal aar varabel. Sebelu dlakuka egolaha, seua varabel dlogaraka lebh dulu, aksudya uuk eudahka dala aalss. Meuru Thoas dala Ilha da Sregar (2007) alasa varabel dubah dala beuk logara: () araeer varabelya derreaska sebaga la elassas da (2) ada varabel beda eraa (frs dfferece) derreaska sebaga laju erubuha (growh raes). Forula yag dguaka sebaga berku : y l( Y ) l( Y Y ) l Y Y Y Y (3) Berdasarka forula aka seua varabel dak elk saua karea dala beuk laju erubuha. Jka la araeer dkalka 00%, sauaya ejad seraga dala beuk erse. Sela u, saua harga koodas dala aa uag ruah da rgg Malaysa dkovers dala saua aa uag dolar erka. Daa yag dguaka adalah daa bulaa dar ahu Suber daa deroleh dar Bada Pusa Sask (BPS), Ieraoal Facal Sascs (IFS), Ol world da Baeb. 3.2 Meode alss Daa Model ers eela eerguaka ulvarae vecor auogresso (VR) aau vecor error correco odel (VECM). alss daa secara kuaaf dega edekaa odel VR aau odel VECM ecaku ga ala aalss uaa yau Grager causaly es, ulse resose fuco

2 (IRF) da forecas error decooso of varace (FEDV). Sebelu saa ada aalss VR aau VECM ada beberaa rosedur esas yag aka dguaka dala sud, yau erdr dar: () uj akar-akar u (u roo es), (2) eeua ajag lag, da (3) uj koegras (Johase coegrao es). Peragka luak yag dguaka dala eela adalah Mcrosof Excel 2003 da rogra Evews Vecor uoregresso (VR) Vecor uoregresso (VR) eruaka sse ersaaa yag eerlhaka sea varabel sebaga fugs ler dar kosaa da la lag (laau) dar varabel u sedr sera la lag dar eubah la yag ada dala sse ersaaa. Jad, varabel ejelas dala VR elu la lag seluruh varabel ak bebas dala sse. Meode VR eruaka salah sau beuk odel akro-ekooerka yag serg dguaka uuk elha erasalaha flukuas ekoo. Pedekaa VR ucul keka Ss egkrk edekaa radsoal aas erodela srukural akro-ekooerk karea eberka resrks yag berlebha da eerhaka ua balk yag erjad aar varabel yag dguaka. Ss egusulka egguaa edekaa VR yag easuka egaruh da egakoodas seluruh eraks das yag erjad aar varabel. Pada odel VR, seluruh varabel aka derlakuka sebaga varabel edoge (varabel yag laya deuka dala odel). Model VR ak la eruaka suau beuk edekaa eyederhaaa yag dak aka ejelaska hubuga srukural jka sejulah asus defkas dak dasukka, hal ersebu juga ebau eecahka asalah kerua roses esas da feres yag erjad keka erdaa varabel edoge dkedua ss ersaaa (ss deede da ss deede). sus yag harus deuh dala eode VR yau seua varabel ak bebas harus bersfa sasoer (ea, varace da covarace bersfa kosa) da seua ssaa bersfa whe ose yak elk raaa ol, raga kosa da salg bebas. Dbadgka dega eode ekooerka kovesoal, eode VR elk keuggula, daaraya yau:

3 . Megebagka odel secara bersaaa d dala suau sse yag koleks (ulvarae), sehgga daa eagka hubuga keseluruha varabel d dala ersaaa u. Hubuga yag erdeeks bsa bersfa lagsug aauu dak lagsug. 2. Uj VR yag bersfa ulvara bsa eghdar araeer yag bas akba dak dasukkaya varabel yag releva. 3. Meode VR daa edeeks hubuga aar varabel dala sse ersaaa, yau dega ejadka seluruh varabel ejad edogeous. 4. Meode VR bekerja berdasarka daa sehgga erbebas dar berbaga baasa eor ekoo. 5. Dega ekk VR aka yag aka erlh haya varabel yag releva uuk dskrosas dega eor yag ada. Secara gars besar erdaa ea hal yag g deroleh dar ebeuka sebuah sse ersaaa yau deskrs daa, araala, feres srukural da aalss kebjaka. VR eyedaka ala aalsa bag keea hal ersebu elalu ea aca egguaa dala beuk :. Forecasg, eksraolas la saa da asa dea seluruh varabel dega eafaaka seluruh foras asa lalu varabel. 2. Iulse resose fucos (IRF), elacak reso saa da asa dea dar sea varabel akba erubaha aau shock suau varabel ereu. 3. Forecas error decooso of varace (FEVD), eredks korbus ersease varas sea varabel erhada suau erubaha ereu. 4. Grager causaly es, egeahu hubuga sebab akba aar varabel. Secara uu VR dega ordo da buah varabel ak bebas ada erde daa dodelka sebaga berku: Y Y Y Y au (4) Y. Y2. Y 3. Y Y. 2 2 Y Y Y Y. 2 Y2. 3 Y3. Y. 2 3 k k k k (5) daa:

4 = julah varabel dala sse k = julah lag dala sse ersaaa Y = vekor varabel ak bebas (Y, Y 2,, Y ) yag berukura x 0 = vekor erse berukura x = ark araeer berukura x uuk sea =, 2,, = vekor ssaa (, 2,, ) berukura x Persaaa VR secara uu adalah sebaga berku: k Y Y.. (6) daa Y = Vekor kolo dar observas ada waku seua varabel dala odel = Mark araeer k = Ordo dar odel VR Vecor Error Correco Model (VECM) VECM eruaka beuk VR yag eresrks. Resrks abaha harus dberka karea keberadaa beuk daa yag dak sasoer au erkoegras. Keka dua aau lebh varabel yag erlba dala suau ersaaa ada daa level dak sasoer, aka keugka erdaa koegras ada ersaaa ersebu. Jka seelah dlakuka uj koegras erdaa ersaaa koegras dala odel yag ka guaka aka dajurka uuk easukka ersaaa koegras ke dala odel yag dguaka. Kebayaka daa e seres elk I() aau sasoer ada frs dfferece. Oleh karea u uuk egasas hlagya foras jagka ajag dala eela aka dguaka odel VECM jka eryaa daa yag dguaka I(). VECM keuda eafaaka foras resrks koegras ersebu ke dala sesfkasya. Oleh karea u VECM dsebu juga desa VR bag seres o sasoer yag elk hubuga koegras. Sesfkas VECM eresrks hubuga jagka ajag varabel-varabel edoge agar koverge ke dala hubuga koegrasya, au ea ebarka keberadaa dasas jagka edek. Islah koegras dsebu

5 juga dega slah error, karea devas erhada ekulbru jagka ajag dkoreks secara beraha elalu seres arsal eyesuaa jagka edek. dau ersaaa VECM secara aeas dujukka oleh ersaaa berku : Y k Y Y..(7) Daa : = koefse hubuga jagka edek = koefse hubuga jagka ajag = keceaa euju kesebaga (seed adjuse) Peguja Pra-Esas Sebelu elakuka esas VR/VECM, aka ada beberaa ahaa yag harus dlakuka. Peguja-eguja ersebu aara la uj sasoeras daa, eeua lag oal da eguja koegras. a. Uj sasoeras daa Uj sasoer saga eg dala aalss e seres. Peguja sasoeras dlakuka dega eguj akar-akar u roo es. Daa yag dak sasoer aka euya akar-akar u, sebalkya daa yag sasoer dak egadug akar u. Esas odel ekooerk e seres aka eghaslka kesula yag dak berar, keka daa yag dguaka egadug akar u (dak sasoer). Kods o sasoer aka ecaka kods surous regresso yag dada oleh ggya koefse deeras R 2 da sask aak sgfka, ea eafsra hubuga ser secara ekoo aka eyesaka (Eders, 2004 ). Cara yag daa dguaka uuk egeahu kesasoera daa adalah eguja akar-akar u dega eode Dckey-Fuller (DF). Msalka odel ersaaa e seres sebaga berku y. Jka kedua ss y ersaaa ersebu dkurag dega y - aka aka ddaa ersaaa : y y y y (8) y y ( ) y..(9)

6 y y (0) Daa eruaka beda eraa (frs dfferece), da = (-), sehgga hoess yag duj adalah H 0 : = 0 da hoess aleraf H : < 0. Model eguja u roo yag dguaka dala bayak eela adalah odel ugeed Dckey-Fuller (DF) es. Forulas uj DF dala Wdarjoo (2007) adalah sebaga berku : Persaaa forulas uj DF aa kosaa da re. y y y.. () 2 Persaaa forulas uj DF dega kosaa aa re y a y y 0.. (2) 2 Persaaa forulas uj DF dega kosaa da re. y y a a T y y 0. (3) 2 = varabel yag daa y = y y - T = re waku Jka la DF saskya lebh kecl dar McKo crcal value aka hoess ol yag eyaaka bahwa daa dak sasoer dolak erhada hoess alerafya dega kaa la eolak H 0 berar daa sasoer. Solus yag daa dlakuka aabla daa dak sasoer ada uj DF adalah dega elakuka dfferece o sasoary rocesses. Uj ersebu dlakuka uuk egkaka akuras dar aalss aabla daa yag daa dak sasoer. Uj haya eruaka elegka dar aalss VR, karea ujua dar aalss VR adalah uuk ela adaya hubuga bal balk d aara varabel yag daa. Hasl seres sasoer aka berujug ada egguaa VR dega eode sadar. Seeara seres o sasoer aka berlkas ada dua lha VR, yau VR dala beuk dfferece aau VECM. Keberadaa varabel o sasoer egkaka keugka keberadaa hubuga koegras aar varabel.

7 Maka eguja koegras derluka uuk egeahu keberadaa hubuga ersebu. b. Peeua lag oal Uj koegras saga eka erhada ajag lag, aka eeua lag yag oal ejad salah sau rosedur eg yag harus dlakuka dala ebeuka odel (Eders, 2004). Gua eeroleh ajag lag yag ea, aka erlu dlakuka ga beuk eguja secara beraha. Pada aha eraa aka dlha ajag selag aksu sse VR yag sabl. Sablas sse VR dlha dar la verse roos karakersk R oloalya. Suau sse VR dkaaka sabl (sasoer) jka seluruh roos-ya elk odulus lebh kecl dar sau da seuaya erleak d dala u crcle. Pada aha kedua, ajag lag oal aka dcar dega egguaka krera foras yag erseda. Jka krera foras haya erujuk ada sebuah kadda selag, aka kadda ersebulah yag oal. Jka deroleh lebh dar sau kadda, aka yag dlh adalah kadda yag eberka lag eredek. Hal daksudka uuk eyederhaaka odel yag dguaka dala eela. Peeua lag oal dala aalss VR saga eg dlakuka karea dar varabel edoge dala sse ersaaa aka dguaka sebaga varabel eksoge (Eders, 2004). Peguja ajag lag oal saga bergua uuk eghlagka asalah auokorelas dala sse VR. Peela egguaka kake Iforao Crero (IC) uuk eeuka lag oal. Peguja dega egguaka IC aka egku ersaaa sebaga berku : 2 IC log N 2 k N (4) Daa 2 adalah julah resdual kuadra, sedagka N da k asgasg eruaka julah sael da julah varabel yag beroeras ada ersaaa ersebu. Besarya lag oal deuka oleh lag yag elk la krera IC yag erkecl.

8 c. Orderg : uj Grager causaly Uuk elha hubuga kausalas yag ugk erjad daara varabel-varabel yag aka dguaka dala odel eela, dguaka uj Grager causaly bvarae da uj Grager causaly ulvarae. Terdaa ea aca kasus yag daa erjad ada uj Grager causaly : ). Udrecoal causaly dar varabel erhada varabel B (B), ddkaska jka koefse yag desas ada lag varabel secara sask dak saa dega 0, da koefse esas ada lag varabel B ada secara sask saa dega 0. 2). Udrecoal causaly dar varabel B erhada varabel (B), ddkaska jka koefse yag desas ada lag varabel secara sask saa dega 0, da koefse esas ada lag varable B secara sask berbeda dar 0. 3). Feedback aau blaeral causaly erjad keka bak varabel auu B, secara sask dak saa dega 0 ada ersaaa regres varabel ersebu. 4). Ideedece, erjad keka koefse varabel-varabel yag duj secara sask dak sgfka ada seua ersaaa regresya. d. Uj koegras Koegras adalah suau hubuga jagka ajag aara varabelvarabel yag esku secara dvdual dak sasoer, ea kobas ler aara varabel ersebu daa ejad sasoer (Thoas 997). Salah sau syara agar ercaa kesebaga jagka ajag adalah gala kesebaga harus berflukuas sekar ol. Dega kaa la error er harus ejad sebuah daa e seres yag sasoer.` da beberaa eode yag daa dguaka uuk elakuka uj koegras, seer Egle-Grager coegrao es, Johase coegrao es, da coegrao regresso Durb-Waso es. Suau daa e seres dkaaka eregras ada gka ke-d aau serg dsebu I(d) jka daa ersebu bersfa sasoer seelah d-dfferece sebayak d kal. Uj koegras Johase daa dujukka oleh ersaaa berku :

9 Y Y Y 0 (5) Kooe dar vekor Y daa dkaaka erkoegras bla ada vekor = (, 2,, ) sehgga kobas ler Y bersfa sasoer. Vekor dsebu vekor koegras. Rak koegras ada vekor Y adalah bayakya vekor koegras yag salg bebas, rak koegras daa dkeahu elalu uj Johase. Peguja hubuga koegras dlakuka dega egguaka selag oal sesua dega eguja sebeluya. Seeara eeua asus deersk yag eladas ebeuka ersaaa koegras ddasarka ada la krera foras IC. Berdasarka asus deersk ersebu aka deroleh foras egea bayakya hubuga koegras aar varabel sesua dega eode Trace da Max. e. alss uls resose fuco (IRF) VR eruaka eode yag aka eeuka sedr srukur dasya dar suau odel. Seelah elakuka uj VR, derluka adaya eode yag daa ecrka srukur das yag dhaslka oleh VR secara jelas. Uj dlakuka uuk eguj srukur das dar sse varabel dala odel yag daa yag dcerka oleh varabel ovas (ovao varable). Salah sau beuk dar uj adalah IRF. IRF eujukka bagaaa reso dar sea varabel edoge seajag waku erhada kejua dar varabel u sedr da varabel edoge laya. IRF daa juga egdefkaska suau kejua ada sau varabel edoge sehgga daa eeuka bagaaa suau erubaha yag dak dharaka dala varabel eegaruh varabel laya seajag waku. Oleh karea u IRF daa dguaka uuk elha egaruh koeorer dar sebuah varabel deede jka edaaka gucaga aau ovas dar varabel deede sebesar sau sadar devas. Hasl IRF ersebu saga sesf erhada egurua (orderg) varabel yag dguaka dala erhuga. Pegurua varabel yag ddasarka ada fakorsas cholesky dlakuka dega caaa varabel yag elk la redks erhada

10 varabel la yag dleakka d dea berdaga sau saa laya. Sedagka varabel yag dak elk la redks erhada varabel la dleakka alg belakag, keuda varabel laya dleakka daara kedua varabel ersebu berdasarka la arks korelas yag eyaaka gka korelas alg besar. Orderg bsa juga dlakuka elalu uj kausalas Grager, daa urua varabel ddasarka ada varabel yag ag bayak sgfka eegaruh varabel la. Sela u, IRF juga dguaka uuk egeahu beraa laa egaruh shock dar sau varabel erhada varabel yag la ersebu erjad. IRF juga berujua uuk egsolas suau gucaga agar lebh sesfk arya varabel eko laya degaruh oleh shock aau gucaga ereu saja. abla hal ersebu dak dlakuka aka shock sesfk ersebu dak daa dkeahu da yag daa dkeahu adalah shock secara uu. f. alss forecas error varace decooso (FEVD) FEVD daa eberka foras egea varabel ovas yag relaf lebh eg dala VR. Meode daa dguaka uuk elha bagaaa erubaha dala suau varabel akro, yag dujukka oleh erubaha varace error yag degaruh oleh varabel-varabel laya. Meode juga daa ecrka srukur das dala odel VR. Meode juga daa eujukka kekuaa da keleaha asg-asg varabel dala eegaruh varabel laya ada kuru waku yag ajag (how log / how ersse). Dekooss varas erc varas dar error eraala (forecas) ejad kooe-kooe yag daa dhubugka dega sea varabel edoge dala odel. Dega eghug ersease squared redco error k-aha ke dea dar sebuah varabel akba ovas dala varabelvarabel la, daa dlha seberaa besar error eraala varabel ersebu dsebabka oleh varabel u sedr da varabel-varabel laya. Uj dlakuka uuk eberka foras egea bagaaa hubuga das aara varabel yag daalss. Sela u, FEVD dlakuka uuk elha seberaa besar egaruh acak gucaga (rado

11 shock) dar varabel ereu erhada varabel edoge. FEVD eghaslka foras egea relaf egya asg-asg ovas acak (rado ovao srucural dsurbace) aau seberaa kua kooss dar eraa varabel ereu erhada laya Deraja ass-hrough Meode eghuga deraja ass-hrough ada eela egacu ada odel McCarhy dala chsa da Nababa (2008) daa Cholesky decooso dguaka uuk egdefkas gucaga srukural da eghug deraja ass-hrough elalu aalss ulse resose. Deraja asshrough dhug berdasarka kuulaf ulse resose dar varabel shock erhada varabel reso da varabel shock erhada varabel shock u sedr. Persaaa aeas eghuga deraja ass-hrough adalah sebaga berku: Deraja Pass-Through Harga Myak Bu = P (6) Deraja Pass-Through Harga Myak Kedela = P (7) Deraja Pass-Through Harga CPO Roerda = P (8) Deraja Pass-Through Harga CPO Malaysa = P PCPOMY..(9) Deraja Pass-Through Harga Eksor CPO Idoesa = Keeraga: P.(20) P : kuulaf reso harga yak kedela, harga CPO roerda, harga CPO Malaysa, harga eksor CPO Idoesa, harga yak goreg

12 doesk, da harga ada buah segar erhada asg-asg shock harga yak bu, harga yak kedela da harga CPO Roerda dar horzo eraa saa ke- : kuulaf reso harga yak bu erhada shock harga yak bu dar horzo eraa saa ke- : kuulaf reso harga yak kedela erhada shock harga yak kedela dar horzo eraa saa ke- : kuulaf reso harga CPO Roerda erhada shock harga CPO PCPOMY Roerda dar horzo eraa saa ke- : kuulaf reso harga CPO Malaysa erhada shock harga CPO Malaysa dar horzo eraa saa ke- : kuulaf reso harga eksor CPO Idoesa erhada shock harga eksor CPO Idoesa dar horzo eraa saa ke- Krera ass-hrough euru Saha dala chsa da Nababa (2008) a Coleely ass-hrough, jka deraja ass-hrough = b Icolee ass-hrough, jka deraja ass-hrough aara 0 - c Zero ass-hrough, jka deraja ass-hrough = Model Uj Sasoeras Daa da Model Peela a. Model Uj Sasoeras 2 (2) 2 (22) 2 (23) 2 PCPOMY PCPOMY PCPOMY. (24)

13 2..(25) 2..(26) 2..(27) Daa : = oeraor frs dfferece = Harga yak bu dua bula (USD/barrel) = Harga yak kedela dua bula (USD/lb) = Harga CPO Roerda bula (USD/o) PCPOMY = Harga CPO Malaysa bula (USD/o) = Harga eksor CPO Idoesa bula (USD/o) = Harga ecera yak goreg doesk bula (USD/Kg) = Harga ada buah segar bula (USD/o) = re waku, 2,, = koefse = julah selag oal (bula) = gala ersaaa b. Model Peela PCPOMY 0.(28) PCPOMY (29) PCPOMY (30)

14 PCPOMY PCPOMY (3) PCPOMY (32) PCPOMY (33) PCPOMY (34) Daa,,, PCPOMY,,, = vekor varabel ak bebas yag berukura x = ajag selag (bula) 0, 0, 0, 0, 0, 0, 0 = vekor erse berukura x,,,,,, = arks araeer berukura x uuk sea =,2,3, = gala ersaaa

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik III. METODE PENELITIAN A. Jes da Sumber Daa Daa yag dguaka adalah daa sekuder dar publkas das aau sas pemerah, daaraya adalah publkas daa dar Bada Pusa Sask megea PDRB Koa Badar Lampug da PDRB Props Lampug.

Lebih terperinci

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD Vol. 7, No., 3-33, Jul Pegguaa Uj Koegras pada Daa Kurs IDR erhadap AUD Asa Absrak Peela megkaj peerapa Saska pada daa ruu waku yag megkaj uj koegras pada daa ersebu. Koegras adalah suau uj yag dguaka

Lebih terperinci

FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE

FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE Mara Buar-buar *, Hasra 2, Azskha 2 Mahasswa Progra S Maeaka 2 Dose Jurusa Maeaka Fakulas Maeaka da Ilu Pegeahua Ala Uversas

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma. DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku:

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK

BAB II PEMODELAN STRUKTUR DAN ANALISIS DINAMIK BAB II PEMODELAN SRUKUR DAN ANALISIS DINAMIK II Pedaulua Aalss da saga dperlua uu bagua-bagua berlaa baya aau yag el egga leb dar eer Respo da sruur dabaa ole beba beba da yag basaya erupaa fugs dar wau

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.

Lebih terperinci

FINITE FIELD (LAPANGAN BERHINGGA)

FINITE FIELD (LAPANGAN BERHINGGA) INITE IELD (LAPANGAN BERHINGGA) Muhamad Zak Ryao NIM: /5679/PA/8944 E-mal: zak@malugmacd h://zakmahwebd Dose Pembmbg: Drs Al Sujaa, MSc Jka suau laaga (feld) memua eleme yag bayakya berhgga, maka laaga

Lebih terperinci

PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta

PEMILIHAN MODEL REGRESI LINIER DENGAN BOOTSTRAP. Tarno Jurusan Matematika FMIPA UNDIP Semarang. Subanar Jurusan Matematika FMIPA UGM Yogyakarta Vol 4 No, 46-58, Arl 00, ISSN : 40-858 PEMILIHAN MODEL REGRESI LINIER DENGAN STRAP Taro Jurusa Mateatka FMIPA UNDIP Searag Subaar Jurusa Mateatka FMIPA UGM Yogyakarta Abstrak Tulsa ebcaraka tetag eeraa

Lebih terperinci

PROGRAM LINIEAR DENGAN METODE SIMPLEX

PROGRAM LINIEAR DENGAN METODE SIMPLEX POGAM LINIEA DENGAN METODE SIMPLEX A. TEKNIK PENYELESAIAN Betuk Soal Progra Lear Kedala utaa asalah rogra lear daat eretuk a atau a atau a. Kedala yag eretuk ertdaksaaa daoat duah ead ersaaa seaga erkut

Lebih terperinci

Analisis Jalur / Path Analysis

Analisis Jalur / Path Analysis Analss Jalur / Pah Analyss Analss jalur adalah salah sau benuk model SEM yang dak mengandung varable laen. Tenu saja model n lebh sederhana dbandngkan dengan model SEM lengka. Analss jalur sebenarnya meruakan

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU 8345 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE BOOTSTRAP (STUDI KASUS DI KOTA SEMARANG)

PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE BOOTSTRAP (STUDI KASUS DI KOTA SEMARANG) Prosdg SPMIPA 177-184 006 ISBN : 979704470 PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE BOOTSTRAP (STUDI KASUS DI KOTA SEMARANG) Taro Progra Stud Statstka FMIPA UNDIP Searag Jl Prof Soedarto,

Lebih terperinci

TRANSMISI HARGA JAGUNG DI PROVINSI LAMPUNG

TRANSMISI HARGA JAGUNG DI PROVINSI LAMPUNG Jural Agrbss Idoesa (Vol 5 No 1, Ju 2017); halama 75-88 75 TRANSMISI HARGA JAGUNG DI PROVINSI LAMPUNG Ra Purwash 1, Muhammad Frdaus 2, da Sr Haroyo 2 1)Mahasswa Program Magser Ilmu Ekoom Peraa, Sekolah

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosdg Semar Nasoal Sas da Peddka Sas IX, Fakulas Sas da Maemaka, UKSW Salaga, Ju 4, Vol 5, No., ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN KOA -

Lebih terperinci

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global. BAB 1 PENDAHULUAN 1.1 Laar Belakag Telah dkeahu bahwa saa sedag megalam krss global, dak haya erjad pada Negara yag sedag berkembag, bahka Negara maju juga megalamya, seper Amerka. Akbaya bayak orag yag

Lebih terperinci

LOGO ANALISIS REGRESI LINIER

LOGO ANALISIS REGRESI LINIER LOGO ANALISIS REGRESI LINIER BERGANDA Hazmra Yozza Jur. Maemaka FMIPA Uv. Adalas KOMPETENSI megdefkaska model regres ler bergada dalam oas aljabar basa maupu oas marks da asumsya medapaka model regres

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2 INFERENSI DAA UJI HIDUP ERSENSOR IPE II BERDISRIBUSI RAYLEIGH Oleh : ak Wdhah Ww Madjya Saf Pogam Sud Saska FMIPA UNDIP Alum Pogam Sud Saska FMIPA UNDIP Absac Aalyss of lfe me s oe of sascal aalyss whch

Lebih terperinci

Hidraulika Komputasi

Hidraulika Komputasi Hdraulka Kompuas Meoda Beda Hgga Ir. Djoko Lukao, M.Sc., Ph.D. Jurusa Tekk Spl Fakulas Tekk Uversas Gadjah Mada Peyelesaa Pedekaa Karea dak dperoleh peyelesaa aals, maka dguaka peyelesaa pedekaa umers.

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU Dyah Rosa STEM Akamgas, Jl. Gajah Mada No. 38 Cepu E-mal: a_dyah@yahoo.com ABSTRAK Peramala produks d masa medaag saga

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL RISK ANALYSIS Dr. Mohammad Abdul Mukhy,, SE., MM RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL kepuusa maageral dbua d bawah kods-kods kepasa, kedak-pasa aau resko. Kepasa megacu pada suas

Lebih terperinci

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati REFLEKTANS DAN TRANSMTANS CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM Chrsa Dw Raawa Jurusa Fska Fakulas Maemaka da lmu Pegeahua Alam Uversas Dpoegoro sar : Telah dlakuka kaja erhadap larua gula da larua

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2 PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI D DENGAN SKEMA FCS, LAASONEN DAN CRANK-NICOLSON Eko Praseya Budaa Syamsul Had Absrac, Fe dfferece mehod ( FCS, Laasoe ad Crak-Ncholso scheme) have bee develop for

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defs Pemelharaa Pemelharaa aau erawaa (maeace) meruaka suau kegaa mejaga aau memelhara faslas da eralaa abrk dega megadaka erbaka aau eyesuaa yag derluka agar ercaa suau keadaa oeras

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pegera Peramala Meuru Assaur peramala adalah kegaa uuk memperkraka apa yag aka erjad d masa yag aka daag. Sedagka ramala adalah suau suas aau kods yag dperkraka aka erjad pada

Lebih terperinci

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik Jural Jural Maemaka, Saska, & Kompuas Vol. 4 No. Jauar 08 Vol. 3 No Jul 006 p-issn: 858-38 53 e-issn: 64-88 Vol. 4, No., 54-59, Jauar 08 Vol. 4, No., 54-58, Jauar 08 Meode Bayes Da Kedaksamaa Cramer-Rao

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI. Pemelharaa aau Maeace.. Pegera Pemelharaa Pemelharaa aau dalam slah asgya dsebu maeace adalah kegaa uuk memelhara aau mejaga faslas / eralaa abrk da megadaka erbaka aau eyesuaa /

Lebih terperinci

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Rangkaian Listrik 2. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODU PERKUIAHA Ragkaa srk Idukas da Kapasas Fakulas Program Sud Taap Muka Kode MK Dsusu Oleh FAKUTAS TEKIK TEKIK EEKTRO 0 4009 Yulza ST,MT Absrac Tak ada egaga melas sebuah dukor jka arus ag melalu dukor

Lebih terperinci

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA Jural Maemaka, Vol., No., 2, 6 2 BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA AMIR KAMAL AMIR Jurusa Maemaka, FMIPA, Uversas Hasaudd 9245 Emal : amrkamalamr@yahoo.com INTISARI Msalka

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Hdrolog Hdrolog meruaka ahaa awal erecaaa suau racag bagua dalam suau DAS uuk memerkraka besarya deb bajr yag erjad ddaerah ersebu. Pada saa ar huja jauh ke bum, sebaga ar jauh

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Bule Ilmah Mah. Sa. da Terapaya Bmaser Volume 5, No. 3 26, hal 23 22. ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF Syarah

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema II. LANDASAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teorea-teorea ag edukug utuk pebahasa pada bab IV. Pegerta (defs) da teorea tersebut dtulska sebaga berkut... Teorea Proeks Teorea proeks

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya JURNAL SAINS DAN SENI POMITS Vol., No., (13) 337-35 (31-98X Pr) D-165 Aalss Survval dega Model Regres Cox Webull pada Pedera Demam Berdarah Degue (DBD) d Rumah Sak Haj Sukollo Surabaya Edhy Basya, da I

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX ANAISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCUOSIS DENGAN MODE REGRESI COX Es Okava Sr Seyagsh da A Adrya Program Sud Maemaka Fakulas Maemaka da Ilmu Pegeahua Alam Uversas Pakua

Lebih terperinci

BAB III DATA DAN METODE PENGOLAHAN DATA

BAB III DATA DAN METODE PENGOLAHAN DATA BAB III DATA DA ETODE PEGOLAHA DATA 3. Daa Daa ag dguaa adalah daa ecepaa arus d perara Sela Lfaaola da uu edees edees orelasa dega feoea El ño da La ña pada ahu-ahu 004 sapa 006 dguaalah daa Ides Oslas

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

PEMBAHASAN. Pada model indeks tunggal, imbal hasil dari sekuritasnya dapat juga dinyatakan dalam bentuk nilai harapan imbal hasil.

PEMBAHASAN. Pada model indeks tunggal, imbal hasil dari sekuritasnya dapat juga dinyatakan dalam bentuk nilai harapan imbal hasil. aggaa bahwa harga sekurtas berubah searah dega harga deks asar Model deks tuggal adalah odel yag eyataka bahwa bal hasl seta sekurtas euya hubuga dega bal hasl ortofolo asar Portofolo asar adalah ortofolo

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Creaed by Smpo PDF Creaor Pro (unregsered verson) hp://www.smpopdf.com Sask Bsns : BAB 8 VIII. ANALISIS DATA DERET BERKALA (TIME SERIES) 8.1 Pendahuluan Daa Berkala (Daa Dere waku) adalah daa yang dkumpulkan

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Data panel adalah gabungan dari data cross sectional dan data time series, dimana

BAB II TINJAUAN PUSTAKA. Data panel adalah gabungan dari data cross sectional dan data time series, dimana 6 BAB II IJAUA PUSAA. Pendahuluan Maer enang daa anel dambl dar Gujara (3) dan Judge (985). Daa anel adalah gabungan dar daa cross seconal dan daa me seres, dmana dalam daa anel un cross seconal yang sama

Lebih terperinci

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF A Seawa Program Su Maemaka Iusr a Saska Fakulas Sas a Maemaka Uversas Krse Saya Wacaa Jl Dpoegoro 52-6 Salaga 57 Ioesa e-mal: a_sea_3@yahoocom Absrak Dega

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2. Tjaua Pusaka 2.. Defs Pemelharaa Pegera pemelharaa aau perawaa ( maeace ) adalah suau kombas dar berbaga daka yag dlakuka uuk mejaga suau barag aau memperbakya, sampa pada suau

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Untuk mengetahui lebih jelas mengenai uji Modifikasi Baumgartner Weiβ

BAB II TINJAUAN PUSTAKA. Untuk mengetahui lebih jelas mengenai uji Modifikasi Baumgartner Weiβ 5 BAB II TINJAUAN PUSTAKA. Pedahulua Utuk egetahu lebh elas egea u Modfkas Baugarter Weβ Schdler (MBWS) dperluka teor-teor yag edukug. Utuk tu, bab eelaska egea statstk oparaetrk u beda dua rata-rata dega

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

I. PENDAHULUAN II. LANDASAN TEORI

I. PENDAHULUAN II. LANDASAN TEORI I PENDAHULUAN Latar Belakag Dala teor ekoo, setap perusahaa dasuska bertujua eperoleh bala yag aksu Ibala yag ddapat bergatug pada strateg yag dabl perusahaa Kuattas erupaka salah satu strateg perusahaa

Lebih terperinci

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 0- A- Esmas Parameer a Dalam Pemulusa Ekspoesal Gaa Dua Parameer Dega Meoe Mofkas Gole Seco Nla Yuwa, Lukma Haaf, Nur Wahyugsh Jurusa Maemaka, Fakulas

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosdg Sasa ISSN: 460-6456 Aalss Kovaras dalam Desa Peguura Berulag u Megevaluas Efe Perlaua Puu erhada Produs Taama Teh Aalyss of Covarace Reeaed Measureme Desgs o Evaluae Treame Effecs o Tea Produco

Lebih terperinci

Peramalan Deret Waktu Multivariat Seasonal pada Data Pariwisata dengan Model Var-Gstar

Peramalan Deret Waktu Multivariat Seasonal pada Data Pariwisata dengan Model Var-Gstar Jural ILMU DASAR Vol. No., uar 2 : 9 Peramala Dere Waku Mulvara Seasoal pada Daa Parwsaa dega Model Var-Gsar Seasoal Mulvara Tme Seres Forecasg O Toursm Daa by Usg Var-Gsar Model Dhorva Urwaul Wusqa )

Lebih terperinci

III. METODE KAJIAN A.

III. METODE KAJIAN A. 25 III. METODE KAJIAN A. Lokas da Waku Kaja Lokas kaja d dusr sapu PT. XYZ yag berlokas d Dusu III R.3/05 Desa Kalbuaya, Kecamaa Telagasar, Kabupae Karawag. Pemlha lokas dlakuka secara segaja (purposve),

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

Pengukuran Bunga. Modul 1

Pengukuran Bunga. Modul 1 Moul 1 Pegukura Buga Drs. Pramoo S, M. S. M oul membcaraka eag pegukura buga, fugs akumulas a fugs jumlah, gka buga efekf, buga seerhaa, buga majemuk, la sekarag, gka skoo efekf, gka buga ar skoo omal,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length BAB II TINJAUAN PUSTAKA Pendahuluan Dalam enulsan maer okok dar skrs n derlukan beberaa eor-eor yang mendukung, yang menjad uraan okok ada bab n Uraan dmula dengan membahas analss dere waku, dagram konrol

Lebih terperinci

PENERAPAN MATEMATIKA PADA SISTEM PEMBAYARAN DISKRET DAN KONTINU ASURANSI KEMATIAN. Gina Nurnaeni 1 dan Sunarsih 2

PENERAPAN MATEMATIKA PADA SISTEM PEMBAYARAN DISKRET DAN KONTINU ASURANSI KEMATIAN. Gina Nurnaeni 1 dan Sunarsih 2 PEERAPA ATEATIKA PAA SISTE PEBAYARA ISKRET A KOTIU ASURASI KEATIA Ga urae da Suarsh, Progra Sud aeaka Jurusa aeaka FIPA UIP Jl. Prof. H. Soedaro, S.H, Searag, 575 Absrac. As guaraee a lfe surace s hch

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

BAB III ANALISIS LOOKBACK OPTIONS

BAB III ANALISIS LOOKBACK OPTIONS BAB III : ANALII LOOKBACK OPION BAB III ANALII LOOKBACK OPION Pada Bab III ii aka dibahas egeai lookback opios da aalisisa Asusi ag kia pakai adalah saha ag diguaka (uderlig asse) idak eberika divide ipe

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Kehidupa ausia seatiasa diarahka pada kodisi yag aka datag, yag keberadaaya tidak dapat diketahui secara pasti. Sehigga ausia berusaha elakuka kegiata kegiata dega berorietasi

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur Decluserg Peaks Over Threshold Pada Daa Curah Huja Eksrm Depede d Sera Produks Pad Jawa Tmur Rosa Malka () da Suko () ()() Jurusa Saska, FMIPA, ITS, Isu Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 robabilias 2.1.1 Definisi robabilias adalah kemungkinan yang daa erjadi dalam suau erisiwa erenu. Definisi robabilias daa diliha dari iga macam endekaan, yaiu endekaan klasik,

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

Lebih terperinci

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK PERTEMUAN 4-MPC PRAKTIK Oleh: Adh Kurawa SEKOLAH TINGGI ILMU STATISTIK Double Samplg Utuk Peduga Beda, Rato, Regres Msalka, pada kods tertetu, kta g megguaka dfferece estmator, rato estmator, atau regresso

Lebih terperinci

Chapter 3 Prinsip-prinsip Prestasi Kerja Terskala (Principles of Scalable Performance)

Chapter 3 Prinsip-prinsip Prestasi Kerja Terskala (Principles of Scalable Performance) Chapter 3 Prsp-prsp Prestas Kerja Terskala (Prcples of calable Perforace) 3.3 Huku-huku Prestas Kerja Percepata (peedup Perforace Laws) o Latar belakag eaksuka paralelse eksekus proses oleh koputer dega

Lebih terperinci

ANALISIS PORTOFOLIO TERHADAP EKSPECTED RETURN DAN RISIKO SAHAM DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL

ANALISIS PORTOFOLIO TERHADAP EKSPECTED RETURN DAN RISIKO SAHAM DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL Jural Ilu & Rset Maajee Vol. No. 1 (013) ANALISIS PORTOFOLIO TERHADAP EKSPECTED RETURN DAN RISIKO SAHAM DENGAN MENGGUNAKAN MODEL INDEKS TUNGGAL Zulfa Yuta Ntawbsoo.w@gal.co Tryoowat Sekolah Tgg Ilu Ekoo

Lebih terperinci

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong Cara uji buira agrega kasar berbeuk iih, lojog, aau iih da lojog RSNI T-0-005 Ruag ligku Sadar ii meeaka kaidah da aa cara eeua ersease dari buira agrega kasar berbeuk iih, lojog, aau iih da lojog. Pegujia

Lebih terperinci

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ANALISIS MASALAH GENERATOR DARI POSSIBLE DAN UNIVERSAL EIGENVECTOR PADA MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS Sear Nasoal Mateatka IV (SeNasMat) Isttut Tekolog Sepuluh Nopeber, Surabaya, 3 Deseber NLISIS MSLH GENERTOR DRI POSSIBLE DN UNIVERSL EIGENVECTOR PD MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar, Suboo,

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI KEDELAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRIK SPLINE

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI KEDELAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRIK SPLINE ANAISIS FATOR-FATOR YANG MEMPENGARUHI PRODUSI EDEAI DI PROVINSI JAWA TIMUR DENGAN METODE REGRESI SEMIPARAMETRI SPINE Da Amela, I Nyoma Budaara Jurusa Sasa, FMIPA, Isu Teolog Seuluh Noember (ITS Jl. Aref

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013 3. Lokas dan Waku Penelan 3.. Lokas Penelan BAB III METODOLOGI PENELITIAN Penelan n dlaksanakan d SMP Neger 7 Goronalo pada ahun ajaran 0/03 3.. Waku Penelan Penelan n d laksanakan pada semeser genap ahun

Lebih terperinci

=, adalah keluaran real negara j, y j. menunjukkan tingkat persaingan negara j terhadap negara i,,

=, adalah keluaran real negara j, y j. menunjukkan tingkat persaingan negara j terhadap negara i,, Salmah Ar S Ch. R I Idah W Bagu S dega ebuah bak berama au uroea Ceral Bak CB. odel megabaka erak ekeral dega egara-egara o uuk eederhaaa. odel memeuh eramaa-eramaa r & m / / / / dega adalah keluara real

Lebih terperinci