Diagram Kontrol Atribut untuk Memantau Loyalitas Pelanggan

Ukuran: px
Mulai penontonan dengan halaman:

Download "Diagram Kontrol Atribut untuk Memantau Loyalitas Pelanggan"

Transkripsi

1 Prosdg Statstka ISSN: Dagram Kotrol Atrbut utuk Mematau Loyaltas Pelagga 1 Ata Puspta, Suwada, 3 Sulad 1,,3 Prod Statstka, Fakultas Matematka da Ilmu Pegetahua Alam, Uverstas Islam Badug, Jl. Raggamalela No. 1 Badug e-mal : 1 atapusptaurkamlah@yahoo.com, wada_10038@yahoo.co.d Abstrak. Dalam pasar yag kompettf, terus memeuh da melampau harapa pelagga aka meyebabka loyaltas pelagga bertaha/megkat. Kepuasa adalah salah satu faktor yag palg petg utuk megukur loyaltas pelagga. Loyaltas basaya dukur dega tgkat presetase pelagga yag membel kembal produk, bak barag maupu jasa. Dalam statstka program loyaltas pelagga dlakuka dega cara memotor megguaka dagram kotrol proses statstk. Dagram kotrol yag basa dguaka dalam bdag maufaktur selama dkeal dega dagram kotrol atrbut. Dalam kasus loyaltas pelagga, dagram kotrol atrbut yag sudah ada kurag cocok dguaka karea memaka dstrbus multomal, utuk tu dbutuhka pegembaga dagram kotrol yag sudah ada agar bsa dguaka utuk megotrol sesua karakterstk mutu bdag jasa. Dagram kotrol yag aka dbahas adalah dagram kotrol ch-kuadrat, dagram kotrol loyaltas pelagga, da dagram kotrol lkelhood rato. Masg-masg dagram kotrol aka daplkaska pada motorg propors loyaltas mahasswa UNISBA dega lma level kepuasa terhadap perpustakaa UNISBA. Kata Kuc : Kepuasa Pelagga, Loyaltas Pelagga, Dagram Kotrol, Beroull, Propors, Regres Logstk. A. Pedahulua Meurut Tjptoo dkk (000 : 110) loyaltas kosume/pelagga adalah komtme pelagga terhadap suatu merek, toko atau pemasok berdasarka sfat yag sagat postf dalam pembela jagka pajag. Loyaltas basaya dukur dega tgkat presetase pelagga yag membel kembal produk, bak barag maupu jasa. Dalam statstka program loyaltas pelagga dlakuka dega cara memotor perlaku pelagga yatu dega cara megguaka dagram kotrol proses statstk. Dagram kotrol adalah salah satu alat statstcal proses cotrol (SPC) yag palg bayak dguaka dalam dustr maufaktur dalam pemataua proses (Motgomery, 001). Pada saat tdak haya d dua dustr saja yag megguaka SPC, peelta ddua pemasara pu bayak megguaka metode SPC. Dagram kotrol terbag kedalam dua kelompok, yatu dagram kotrol utuk data varabel da dagram kotrol utuk data atrbut. Namu utuk aplkas d bdag pemasara dagram kotrol tersebut kurag cocok utuk dguaka karea dalam kasus loyaltas pelagga memaka dstrbus multomal, utuk tu dbutuhka pegembaga dagram kotrol yag sudah ada agar bsa dguaka utuk megotrol sesua karakterstk mutu bdag jasa. Dalam pelaksaaa megukur loyaltas pelagga ada dua varabel yag petg dukur yatu tgkat kepuasa da tgkat loyaltas. Cara utuk megukur tgkat kepuasa yatu dega megguaka skala lkert dmaa kosume terbag kedalam lma kelompok yatu kosume yag sagat puas, kosume puas, kosume etral, kosume tdak puas da kosume yag tdak puas. Pada masg-masg tgkat kepuasa dukur tgkat loyaltasya. Tgkat loyaltas dukur dega megguaka skala ber, kosume terbag kedalam dua kelompok yatu kosume yag loyal da kosume yag tdak loyal. Utuk megotrol loyaltas pelagga tersebut perlu membagu dagram kotrol utuk megotrol secara serempak propors loyaltas pada masg-masg tgkat 39

2 40 Ata Puspta, et al. kepuasa dmaa loyaltas dpadag sebaga varabel acak Beroull. Mahasswa prod Statstka F-MIPA UNISBA, NPM : Dose prod Statstka F-MIPA UNISBA Oleh karea tu rumusa masalah berdasarka latar belakag utuk megotrol loyaltas pelagga dega tujua membahas bagamaa membuat dagram kotrol ch-kuadrat, bagamaa membuat dagram kotrol propors loyaltas, bagamaa membuat dagram kotrol lkelhood rato, da bagamaa mplemetas dar ketga dagram cotrol (dagram kotrol ch-kuadrat, dagram kotrol propors loyaltas, da dagram kotrol lkelhood rato) pegaplkasaya pada pegujug perpustakaa UNISBA. B. Kaja Pustaka 1. Dagram Kotrol Dagram kotrol adalah sebuah grafk yag member gambara tetag perlaku sebuah proses. Dagram kotrol dguaka utuk memaham apaka sebuah proses maufakturg atau proses bss berjala dalam kods yag terkotrol atau tdak. Batas kotrol besarya ddapat dar perhtuga data tu sedr, jad perubaha data mempegaruh besar batas. Dagram kotrol dkataka tdak terkedal apabla ttk yag mewakl (rata-rata, rage, atau propors) brada dluar batas kedal. Gambar.1 Cotoh Dagram kotrol 1.1 Dagram kotrol Atrbut Dagram kotrol atrbut basa dguaka apabla data yag dperoleh berbetuk data atrbut yag haya memlk dua la yag berkata dega ya atau tdak, sepert sesua atau tdak sesua, lulus atau tdak lulus, dll. Ada beberapa macam dagram kotrol utuk data atrbut, yatu dagram kotrol p, p, da u. Dagram kotrol p adalah jes dagram kotrol yag dguaka utuk memotor propors dar ketdaksesuaa dalam sebuah sampel, dmaa propors ketdaksesuaa dtetuka sebaga raso ut yag memlk ketdaksesuaa dbadgka dega jumlah sampel. Dagram kotrol p haya megakomodr speks dega dua keputusa, "OK / Gagal", "Bagus / Jelek". Adapu batas-batas kotrol dar dagram kotrol p yatu: p(1 p Pusat p ; p(1 p) BKB p p 3 (.4) ) ; BKA p p 3 p dmaa adalah estmas rata-rata propors jagka pajag yag dhtug m x p 1 dega rumus m. Jka la batas kotrol bawah lebh kecl atau sama dega ol maka batas kotrol bawah daggap ol. Dagram kotrol p adalah jes dagram kotrol yag dguaka d dua dustr atau bss utuk memotor bayakya ketdaksesuaa dalam sebuah sampel, yag membedaka dega dagram kotrol p adalah, dagram kotrol Volume, No.1, Tahu 016

3 Dagram Kotrol Atrbut utuk Mematau Loyaltas Pelagga 41 p tdak meghtug propors ketdaksesuaa tersebut. Adapu batas-batas kotrol dar dagram kotrol p yatu: Pusat p p ; p 3 p(1 p) (.) BKA p p 3 p(1 p); dmaa adalah jumlah sampel da jagka pajag uag dhtug dega rumus BKB p adalah estmas rata-rata propors p m x 1. Jka la batas kotrol bawah lebh kecl atau sama dega ol maka batas kotrol bawah daggap ol. Dagram kotrol u adalah jes dagram kotrol yag dguaka d dua dustr atau bss utuk memotor data peghtuga, dmaa kejada tersebut haya bsa dhtug pada saat kejada tu mucul, da probabltas utuk terjadya kejada tersebut tdak sama. Cotoh: Jumlah kecelakaa setap bula, Berapa kal lstrk mat setap bula, dll. Adapu batas-batas cotrol dar dagram kotrol u yatu: Pusat u u u BKA u u 3 ; ; BKB u u 3 (.6) dmaa adalah rata-rata jumlah kejada per ut yag dhtug dega rumus. Dmaa adalah jumlah kejada utuk data ke da adalah jumlah sampel utuk data ke. Dkareaka dagram kotrol data atrbut datas kurag cocok utuk dguaka dalam pemataua loyaltas pelagga karea memaka dstrbus multomal, utuk tu dbutuhka pegembaga dagram kotrol yag sudah ada agar bsa dguaka utuk megotrol sesua karakterstk mutu bdag jasa, maka pada kasus peuls megguaka dagram kotrol ch-kuadrat, dagram kotrol propors loyaltas, da dagram kotrol lkelhood rato (Samm dkk, 010).. Dagram kotrol Atrbut Utuk Mematau Loyaltas Pelagga Utuk melaksaaka program mempertahaka/megkatka loyaltas pelagga melalu pegotrola propors loyaltas dapat djelaska sebaga berkut: a. Tgkat kepuasa pelagga dbag mejad kategor yatu sagat tdak puas, tdak puas, etral, puas, da sagat puas dega propors pada masgmasg tgkat kepuasa loyaltas kosume. p 1 (sagat tdak puas), p (tdak puas), p 3 (etral), p 4 (puas), da p (sagat puas). Nla p dega =1- dperoleh dar survey sebelumya atau pra surey. b. Tetapka pajag perode pegukura, msal : satu bula 1 kal, dua bula 1 kal, atau 6 bula 1 kal. c. Pada masg-masg perode lakuka survey kosume dega ukura sampel sebesar. d. Pada setap kosume dcatat tgkat kepuasa da loyaltas terhadap produk/jasa. Msal : dar orag terdapat 1 yag meyataka sagat tdak puas, meyataka sagat puas, 3 meyataka etral, 4 meyataka puas, da meyataka sagat puas. e. Pada masg-masg kategor kepuasa dyataka sebaga, da pelagga loyal sebaga Y. u m Statstka, Gelombag 1, Tahu Akademk

4 4 Ata Puspta, et al. f. Utuk pembetuka batas kotrol pertama-tama padag Y (bayakya jumlah pelagga yag loyal) merupaka varabel acak bomal dega parameter da p o. Utuk meghtug papara datas aka djelaska 3 dagram kotrol yag dlakuka utuk memotor pergesera loyaltas pelagga. Tabel.1 Deskrps Data Tgkat kepuasa S 1 S S 3 S 4 S Jumlah pelagga Propors p 10 p 0 p 30 p 40 p 0 Jumlah pelagga loyal Y 1 Y Y 3 Y 4 Y Berkut aka djelaska dagram kotrol baru utuk megotrol loyaltas pelagga secara keseluruha, yatu, dagram kotrol ch-kuadrat, dagram kotrol propors loyaltas, da dagram kotrol lkelhood rato..1 Dagram Kotrol Ch-Kuadrat (Ch-square Cotrol Chart) Dega megguaka dall lmt pusat Z pada persamaa (.7) berasmtot ormal stadar terutama ketka ( 1 ) p (Hogg ad Crag, 199). Y po (.7) Z p o (1 p o, 1,..., ) Selajutya buat statstk Q j. Q j Z (.8) 1 Karea Z salg bebas megguaka sfat d pada dstrbus ormal, Q berdstrbus dega v=. Statstk Q lah yag aka dgambarka dalam dagram kotrol ch-kuadrat. Adapu batas kotrol dar dagram kotrol chkuadrat adalah: χ (v) BKA c =, dega v= (.9) BKB c = 0 dmaa α merupaka kekelrua tpe 1 basaya megguaka α = 1% da α = %, dalam hal dagram kotrol 3 sgma la α adalah 0,007.. Dagram Kotrol Propors Loyaltas (Loyalty Proporto Cotol Chart) Cara la utuk megotrol loyaltas pelagga yatu megguaka dagram kotrol propors loyaltas. Megukur loyaltas pelagga dega statstk yag dtujuka pada Persamaa (.10) dapat mejad solus utuk meghtug tgkat loyaltas. Q' 1 j 1 Y (.10) Q megukur propors pelagga loyal. Berbeda dega dagram kotrol ch-kuadrat, batas kotrol dalam dagram kotrol propors loyaltas dhtug dega persamaa: Dmaa rumus: p p BKA p z ( 1 ) 0 0 p 0 1 ; p p BKB p z ( 1 ) 0 0 p 0 ; (.11), p 0 meujuka probabltas loyaltas yag djelaska dalam Volume, No.1, Tahu 016

5 Dagram Kotrol Atrbut utuk Mematau Loyaltas Pelagga 43 p p (.1) Utuk megguaka grafk dagram kotrol propors loyaltas, statstk Q dhtug da dbadgka dega BKA p da BKB p. meskpu keluar dar ttk kotrol dapat dega mudah dtafsrka, megabaka ketergatuga loyaltas pada kepuasa aka mempersult dagram kotrol medeteks perubaha yag sgfka dalam tgkat loyaltas..3 Dagram Kotrol Lkelhood Rato Metode la utuk mematau loyaltas pelagga berdasarka hubuga fugsoal atara loyaltas da kepuasa yatu dega megguaka dagram kotrol lkelhood rato. Loyaltas dapat dgambarka sebaga fugs dar tgkat kepuasa. Dega megguaka model regres logstk, salah satu model yag serg dguaka atara model lear umum, probabltas setap tgkat loyaltas dtuls sebaga berkut (Myers, dkk, 00): 1 ployalty f ( x) (.13) ( 1x) 1 e dmaa x meujuka kepuasa pelagga yag dasumska varabel acak dskrt dega lma la. Setap perubaha parameter persamaa datas aka mempegaruh loyaltas pelagga. Oleh karea tu, loyaltas pelagga sebaga varabel depede hubuga fugsoal dega kepuasa pelagga. Dega kata la, hpotess ya adalah: H 0 : β 1 = β 10, β = β 0, propors loyaltas masg-masg tgkat kepuasa cotrol. H 1 : β 1 β 10, β β 0, propors loyaltas masg-masg tgkat kepuasa out of cotrol. Hpotess datas duj secara teratur sepajag waktu d maa β 10 da β 0 dapat dperkraka berdasarka formas yag dsedaka dar surve pelagga dalam perode dasar. Parameter dar model regres logstk dapat dperkraka dega metode kemugka maksmum. Utuk tujua, fugs log-lkelhood dtuls sebaga berkut (Myers, dkk, 00): l loyalty L 1, Y l l1 ployalty 1 p 1 p loyalty (.14) Setelah mesubsttuska p loyalty Persamaa (.13), Persamaa (.14) mejad sebaga berkut: ( 1x) l L, Y x l 1 e (.1) Peaksr β 1 da β yatu ˆ 1 da ˆ dplh yag memaksmalka ll ( 1, ) dega memecahka system persamaa berkut: l 1, (.16) 1 l 1, 0 0 Utuk melakuka uj hpotess, dapat megguaka statstk raso kemugka, adapu rumusya sebaga berkut: L reduce / L full (.17) Statstka, Gelombag 1, Tahu Akademk

6 44 Ata Puspta, et al. Peyebut da pemblag meujuka la maksmum lkelhood. Jka H 0 bear da ukura sampel besar, maka statstk -lλ memlk dstrbus chkuadrat dega derajat kebebasa v=r, dmaa v=r meujuka jumlah parameter yag dtetuka dalam H 0 (Mood, 1974). Implemetas dalam pegotrola proses utuk pergesera propors loyaltas, adaka bahwa ˆ 1 da ˆ tu dperoleh dar survey pedahulua yag selajutya dpadag sebaga ˆ 1 = 10, ˆ = 0. Utuk megotol apakah propors loyaltas berubah atau tdak sama dega melakuka uj hpotess dega rumusa H 0 : β 1 = β 10, β = β 0, ambl pegamata/survey lajuta berukura kemuda htug L reduce sama dega la dar fugs log lkelhood Persamaa (.14) dbawah H 0 bear da htug L full juga dar persamaa (.14) haya β 1 da β dgat mejad ˆ 1 da ˆ dar sampel lajuta. Q' ' l j Statstk (.18) ' berdstrbus asmtotk, sehgga batas-batas kotrol dar Q ' j dagram kotrol lkelhood rato adalah: BKA l =, dega v = r = (.19) BKB l = 0 dmaa α merupaka kekelrua tpe 1 basaya megguaka α = 1% da α = %, dalam hal dagram kotrol 3 sgma la α adalah 0,007. C. Baha da Metode Baha yag dguaka adalah data prmer yag dperoleh lagsug oleh peelt dega cara meyebarka kuesoer lagsug kepada pegujug perpustakaa UNIVERSITAS ISLAM BANDUNG. Yag mejad pgujug perpustakaa tersebut adalah mahasswa/ UNIVERSITAS ISLAM BANDUNG. Perpustakaa dartka sebaga sebuah ruaga atau gedug yag dguaka utuk meympa buku da terbta laya yag basaya dsmpa meurut tata susua tertetu yag dguaka pembaca buka utuk djual. Pegujug perpustakaa dapat dguaka sebaga sampel dalam peguja kepuasa pelagga, perpustakaa ddefska sebaga salah satu produk yag dmlk oleh suatu perusahaa da pegujug perpustakaa tersebut ddefska sebaga pelagga dar produk tersebut. Dharapka dagram kotrol ch-kuadrat, dagram kotrol propors loyaltas, da dagram kotrol lkelhood rato dapat mematau loyaltas pelagga. Adapu lagkah-lagkah dalam meyelesaka permasalaha dalam pemataua loyaltas pelagga yatu sebaga berkut: a. Tetuka ukura sampel mmal utuk megetahu jumlah respode yag aka dguaka utuk peelta, dega megguaka rumus: b. Z N p(1 p) ; pˆ p (3.1) c. Peetua ukura sampel datas dega megguaka marg error sebesar %, dega koefse kepercayaa 9%, da α= % ddapatka = 38 dbulatka mejad 400. Volume, No.1, Tahu 016

7 Dagram Kotrol Atrbut utuk Mematau Loyaltas Pelagga 4 d. Megedarka kuesoer sebayak 400 utuk mecatat tgkat kepuasa da loyaltas mahasswa/respode. Krtera loyaltas dlhat dar jumlah kujuga mahasswa ke perpustakaa UNISBA, dmaa apabla < kal kujuga mahasswa dkataka tdak loyal da apabla kal kujuga mahasswa dkataka loyal terhadap perpustakaa UNISBA. e. Data yag dperoleh dguaka utuk meetuka la 1,, 3, 4, da Y 1, Y, Y 3, Y 4, Y. f. Htug propors loyaltas utuk masg-masg tgkat kepuasa p 1o, p o, p 3o, p 4o, p o. g. Lhat masg-masg kelompok kepuasa mahasswa/pelagga terhadap perpustakaa UNISBA utuk megotrol apakah terjad pergesera pada p 1o - p o. maka aka dlakuka pegamata selama 0 perode melalu smulas dega skearo sebaga berkut: 1. Pada perode 1-10, dega p 1o - p o tdak bergeser. Pada perode 11-0, loyaltas bergeser mejad p 1 - p, palg sedkt satu perode.. Pada masg-masg perode bagktka data multomal dega parameter / dega ukura sampel Pada masg-masg tgkat kepuasa bagktka tgkat loyaltas dega parameter j (=1- da j=1-10) da p o, dega parameter j (=1- da j=11-0) da p Htug la Qj dega Persamaa (.8) lalu plotka dagram kotrol dega batas kotrol pada Persamaa (.9).. Htug la Q j dega Persamaa (.10) lalu plotka dagram kotrol dega batas kotrol pada Persamaa (.11). 6. Htug la Q j dega Persamaa (.18) lalu plotka dagram kotrol dega batas kotrol pada Persamaa (.19). D. Hasl da Pembahasa Berdasarka lagkah-lagkah yag telah djelaska datas, aka duraka hasl aalss terhadap la kepuasa da propors loyaltas pelagga perpustakaa Usba. Dar 400 kuesoer yag ddstrbuska ke 10 fakultas yag ada d Usba, haya sebayak 308 yag megs sesua dega petujuk yag ada pada kuesoer. Rgkasa data yag tercatum pada Lampra dsajka pada Tabel 4.1 berkut: Tabel 4.1 Deskrps Data Pegujug Perpustakaa Usba Tgkat kepuasa S 1 S S 3 S 4 S Jumlah pelagga Propors loyaltas Jumlah pelagga loyal Berdasarka Tabel 4.1, kategor S 3 (etral) mempuya frekues pelagga loyal meurut tgkat kepuasa yag palg tgg yatu sebesar 43% da ada dua kategor yatu S 1 (sagat tdak puas) da S (sagat puas) mempuya frekues pelagga loyal meurut tgkat kepuasa yag palg redah masg-masg sebesar Statstka, Gelombag 1, Tahu Akademk

8 46 Ata Puspta, et al. 7%. sepert yag dsajka pada Gambar 4.1. Tgkat Kepuasa 4% 7% 7% 19% 43% S 1 S S 3 S 4 S Gambar 4.1 Frekues Tgkat Kepuasa 100% Tgkat Loyaltas 0% Gambar 4. Tgkat Loyaltas Utuk Berbaga Tgkat Kepuasa Dagram datas meympulka bahwa pada kategor 1 (S 1 ) ada 81% mahasswa yag meyataka loyal, pada kategor (S ) ada 78% mahasswa yag meyataka loyal, pada kategor 3 (S 3 ) ada 7% mahasswa yag meyataka loyal, pada kategor 4 (S 4 ) ada 83% mahasswa yag meyataka loyal, da pada kategor (S ) ada 70% mahasswa yag meyataka loyal. Presetase dar tgkat loyaltas datas tdak terlalu jauh berbeda. 1. Dagram Kotrol Ch-kuadrat Dar data hasl survey, adaka bahwa p , p 0. 78, p 0. 7, 0 30 p 0.83, p , merupaka parameter propors loyaltas dar semua tgkat kepuasa dpadag sebaga parameter cotrol. Utuk mplemetas dbagktka data 0 perode dega parameter 10 perode pertama parameterya 0.81, 0.78, 0.7, 0.83, 0.70 da 10 perode berkutya bergeser mejad 0.81, 0.78, 0.7, 0.83, 0.7. Berdasarka data tersebut perlaku perubaha loyaltas dega membetuk dagram kotrol ch-kuadrat htug Z j terlebh dahulu, sebaga cotoh perode 1: Z Z Z Z Z o o 1 Y p 0 (6x0.81) 11p1 o ( 1 p1 o ) (6x0.81)(1 0.81) 0,99073 Y p 40 (8x0.78) 1po ( 1 po ) (8x0.78)(1 0.78) 1,66098 Y31 3 p3o 9 (134x0.7) p 1 p ) (134x0.7)(1 0.7) 0, o ( 3o Y p 4 p4o ( 1 p4 Y p ) 3 (63x0.83) o 41 o o ( 1 p ) (63x0.83)(1 0.83) 1 (7x0.70) 1 o 1 p o 0% (7x0.70)(1 0.70) S 1 S S 3 S 4 S 0, , Volume, No.1, Tahu 016

9 q Dagram Kotrol Atrbut utuk Mematau Loyaltas Pelagga 47 Setelah meghtug Z j htug statstk Q j, dega rumus: Q 1 Z j ( 0,9073) ( 1,66098) ( 0,8470) (0,38137) (0,881917) 1 = Dega megguaka software, ddapatka la Q j sebayak 0 perode, sepert yag dsajka pada Tabel 4.. Setelah meghtug la statstk Q j, htug batas-batas kotrol utuk dagram kotrol ch-kuadrat dega α = % da v=, yatu : BKA c = = 11,07 BKB c = 0 Nla Q j pada Tabel 4. dpetaka pada dagram kotrol dega batas-batas kotrol datas, sebagamaa tersaj pada Gambar 4.3. Tabel 4. Nla Statstk Q j Sebayak 0 Perode Perode Nla Q j Perode Nla Q j (Sumber: Hasl keluara software R) perode Gambar 4.3 Dagram Kotrol Ch-kuadrat Berdasarka gambar datas, dagram kotrol ch-kuadrat memberka syal out of cotrol pada pegamata ke-11.. Dagram Kotrol Propors Loyaltas Pada dagram kotrol propors loyaltas, sama dega dagram kotrol chkuadrat, utuk mplemetas dbagktka data sebayak 0 perode, dega parameter yag sama sepert dagram kotrol ch-kuadrat. Dega megguaka data hasl bagkta, utuk membetuk dagram kotrol propors loyaltas, htug statstk Q j, sebaga cotoh perode 1 : Statstka, Gelombag 1, Tahu Akademk

10 qakse 48 Ata Puspta, et al. Q ' 1 1 Y j 1 j Y Y 1 1 Y Y Y 1 1 = Dega megguaka software, ddapatka la Q j sebayak 0 perode, sepert yag dsajka pada Tabel 4.3. Tabel 4.3 Nla Statstk Q j sebayak 0 perode Perode Nla Q j Perode Nla Q j (Sumber: Hasl keluara software R) Setelah meghtug la statstk Q j, htug batas-batas kotrol utuk dagram kotrol propors loyaltas dega =308, α=0,0 da la P 0 = , yatu: p0( 1 p0) p BKA p0 z 0, ( 1 p0) p BKB p p0 z 0, Nla Q j pada Tabel 4.3 dpetaka pada dagram kotrol dega batasbatas kotrol datas, sebagamaa tersaj pada Gambar 4.4. dega berdasarka gambar tersebut, dagram cotrol propors loyaltas memberka syal out of cotrol pada pegamata ke perode Gambar 4.4 Dagram Kotrol Propors Loyaltas 3. Dagram Kotrol Lkelhood Rato Sebelum membuat dagram kotrol lkelhood rato, uj terlebh dahulu keberarta model regres logstk. Dega rumusa hpotess utuk peguja keberarta model regres logstk, sebaga berkut: H 0 : β = 0 ; Model regres logstk tdak berart. H 1 : β 0; Model regres logstk berart. Adapu model regres logstkya yatu: Volume, No.1, Tahu 016

11 Dagram Kotrol Atrbut utuk Mematau Loyaltas Pelagga 49 g( x) x1 Dega megguaka software statstk ddapatka la G = Krtera uj: Tolak H 0 apabla G > χ (v,a) pada taraf yata α tertetu sela tu terma H 0. Kesmpula: Dega la G = da χ (1,0.0) = , maka G < χ (1,0.0) artya H 0 dterma yatu model regres logtk tdak berart. Karea model tdak berart maka dagram kotrol lkelhood rato tdak dguaka. 4. Average Ru Legth (ARL) dar Ketga Dagram Kotrol Samm dkk (010), melakuka stud kerja dar ketga dagram kotrol yatu dagram kotrol ch-kuadrat, dagram kotrol propors loyaltas, da dagram kotrol lkelhood rato dega cara smulas, adapu cara dar smulas tersebut yatu sebaga berkut: Bagktka sampel berukura 00 dar dstrbus multomal dega propors masg-masg tgkat kepuasa 0.0, 0.1, 0., 0.3, 0.3 da propors loyaltas masg-masg tgkat kepuasa cotrol dega p , p 0., 0 p 0.4, p 0. 7, p 0. 0 selama 10 perode pertama. Kemuda, pada 10 perode selajutya data yag sama dbagktka dega propors loyaltas bergeser mejad p , p 1 0., p , p , p Smulas dulag sebayak 1000 kal pegulaga, pada masg-masg pegulaga dhtug la ru legth yatu pajag perode sejak parameter propors loyaltas bergeser sampa muculya syal out of cotrol dega megguaka tga dagram cotrol, pada taraf yata α=0.0. Oleh karea tu aka terdapat 1000 la ru legth utuk masg-masg dagram kotrol. Pada akhr smulas aka dperoleh la average ru legth (ARL) yatu RL. Dagram kotrol yag mempuya la la average ru ARL 1000 legth (ARL) yag palg kecl meujuka bahwa dagram kotrol tersebut medeteks proses out of cotrol lebh cepat dbadgka dega dagram kotrol yag laya. Haslya dsajka pada Tabel 4.4. Dmaa Tabel 4.4 Nla Average Ru Legth (ARL) utuk Tga Dagram Kotrol dega α=% Dagram Kotrol Probablty of error type II (β) ARL SDRL Ch-kuadrat Propors Loyaltas Lkelhood Rato (Sumber: Joural of appl. Stochastc models, 6: ) Dar Tabel 4.4 terlhat bahwa dagram kotrol ch-kuadrat yag mempuya la ARL lebh kecl, hal tu meujuka bahwa dagram kotrol ch-kuadrat lebh cepat medeteks kods out of cotrol dbadgka dega dagram kotrol yag la da dagram kotrol propors loyaltas memlk kerja yag lemah utuk medeteks kods out of cotrol, karea dagram kotrol propors loyaltas memlk la ARL yag palg tgg. Berdasarka hasl dar survey peelta datas, memperkuat peelta sebelumya yag dlakuka Samm dkk (010) bahwa dagram kotrol ch- Statstka, Gelombag 1, Tahu Akademk

12 0 Ata Puspta, et al. kuadrat mempuya kerja palg bak. Namu utuk dagram kotrol lkelhood rato tdak dapat dguaka karea model regres logstk tdak berart. E. Kesmpula Dagram kotrol ch-kuadrat detk dega peguja beberapa propors loyaltas yag laya sesua dega keadaa cotrol, dagram kotrol propors loyaltas detk dega peguja propors loyaltas tapa melhat masg-masg propors tgkat kepuasa, da dagram kotrol lkelhood rato detk dega peguja perubaha parameter regres logstk atara tgkat kepuasa da tgkat loyaltas. Implemetas pada loyaltas pegujug perpustakaa Usba ddasarka meurut pelayaa, fasltas (ruaga, komputer, tempat duduk, dll) da bayak jumlah buku da jural dega skala lkert 1 sampa dega. Dar hasl survey bula Me 01 meujuka ada 7% mahasswa yag meyataka sagat tdak puas, 19% meyataka tdak puas, 43% meyataka etral, 4% meyataka puas, da 6% meyatak sagat puas terhadap perpustakaa usba, serta propors loyaltas masgmasg 0.81, 0.78, 0.7, 0.83, Dega megguaka smulas dar data hasl bagkta smulas selama 0 perode dmaa perode 1 sampa dega 10 dega parameter 0.81, 0.78, 0.7, 0.83, 0.70 bergeser pada perode 11 sampa dega 0 mejad 0.81, 0.78, 0.7, 0.83, 0.7. pada dagram kotrol ch-kuadrat memberka syal out of cotrol pada pegamata ke-11, dagram kotrol propors loyaltas memberka syal out of cotrol pada pegamata ke-1, sedagka dagram kotrol lkelhood tdak dapat dguaka karea model regres tdak berart. Hasl memperkuat peelta sebelumya yag dlakuka Samm dkk (010) bahwa dagram kotrol ch-kuadrat mempuya kerja palg bak, karea memlk la ARL lebh kecl maka lebh cepat medeteks syal out of cotrol, dagram kotrol propors loyaltas memlk kerja yag lemah utuk medeteks syal out of cotrol karea memlk la ARL yag besar. Daftar Pustaka Motgomery, D.C. da Mastragelo, C.M. 001, Statstcal Qualty Cotrol, sx edto. Uted States of Amerca (USA) Hogg, R.V. da Crag, A.T. 199, Itroducto to Mathematcal Statstcs, Fourth Edto, Macmlla Publshg Co., Ic. NEW YORK Tjptoo, da Budarto, T. 000, Pemasara terasoal, eds pertama, BPFE, Yogyakarta Freud JE. 199, Mathematcal statstcs, fve edto. Pretce-hall: New jersey. Myers, R.H, Motgomery, D.C, da Vg, G.G. 00, Geeralzed lear models, wth applcatos egeerg ad the sceces. Wley : New York. Samm, Y. Aghae, A. da Tarokh, M.J Aalyss of ordered categorcal data to develop dagram kotrols for motorg customer loyalty. Joural of appl. Stochastc models, 6: Mood, A.M. Graybll, F.A. da Boes, D.C Itroducto to the theory of statstcs, thrd edto. McGraw-Hll: New York. Volume, No.1, Tahu 016

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 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

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

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

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 IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

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

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

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

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

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

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

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

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

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

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

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

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

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

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

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

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

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

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

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 II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

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 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 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

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

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

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

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

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu 47 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta yag dguaka dalam peelta adalah metode eksperme. Metode dguaka atas pertmbaga bahwa sfat peelta ekspermetal yatu mecobaka suatu program latha

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

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

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

Penerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal

Penerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal Peerapa Teor Lmt Pusat Multvarat pada Pegedala Proses Pelayaa d Polklk Rawat Jala Rumah akt Umum Kardah Tegal Isa, M. PMTK FKIP Uv. Pacasakt Tegal sa@yahoo.com Abstrak Baga kedal adalah alat yag lazm dguaka

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

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

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang 37 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka suatu cara tertetu yag dguaka utuk meelt suatu permasalaha sehgga medapatka hasl atau tujua yag dgka. Meurut Arkuto (1991 : 3) peelta

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

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

Tabel Distribusi Frekuensi

Tabel Distribusi Frekuensi Tabel Dstrbus Frekues Tabel dstrbus frekues adalah susua data meurut kelas-kelas terval tertetu atau meurut kategor tertetu dalam sebuah daftar. Dar dstrbus frekues, dapat dperoleh keteraga atau gambara

Lebih terperinci

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J) STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

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

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

ANALISIS DATA STATISTIK. Adi Setiawan

ANALISIS DATA STATISTIK. Adi Setiawan ANALISIS DATA STATISTIK Ad Setawa Peerbt Tsara Grafka Salatga 017 Katalog Dalam Terbta 519.5 ADI Ad Setawa a Aalss data statstk/ Ad Setawa. -- Salatga : Tsara Grafka, 017. v, 5 p. ; 5 cm. ISBN 978-60-9493-5-8

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita.

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita. Bab Ukura Data Pada saat upacara bedera, kta serg memperhatka tema-tema kta. Terkadag tapa sadar kta membadgka tgg redah sswa dalam upacara tersebut. Ada yag tggya 170 cm, 165 cm, 150 cm atau bahka 140

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

Lebih terperinci

BAB II TINJAUAN PUSTAKA. dua sampel berpasangan akan menggunakan statistik uji T 2 -Hotelling. Untuk itu,

BAB II TINJAUAN PUSTAKA. dua sampel berpasangan akan menggunakan statistik uji T 2 -Hotelling. Untuk itu, BAB II TINJAUAN PUSTAKA. Pedahulua Dalam bab aka dbahas tetag uj t utuk meguj sebuah parameter rata-rata da selsh dua parameter rata-rata dua sampel berpasaga dbawah asums populas berdstrbus ormal. Pada

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci