BAB IV METODOLOGI PENELITIAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB IV METODOLOGI PENELITIAN"

Transkripsi

1 56 BAB IV METODOLOGI PENELITIAN Brdasara la yag rah dlaua sblumya, ada bbraa alraf ssfas modl da modolog yag daa dguaa uu mggambara hubuga rja ssm uaga da rumbuha oom. Kg da Lv (99) mgaj hubuga aara rmbaga ssm uaga rhada rumbuha oom jaga ajag, aumulas modal da roduvas. Pla dlaua dga mgguaa daa cross sco dar 80 gara dga rag wau Smara u, Roussau da Wachl (998) mgguaa daa Vcor Auo Rgrsso (VAR) da Vcor Error Corrco Modl (VECM) uu ml hubuga rmdas ssm uaga da rja oom d lma gara dusr (Amra Sra, Iggrs, Kaada, Norwga da Swda). Mra mgguaa modl VAR da VECM ara muru galama mra mod m srs daa lbh olusf dalam mymula hubuga ausalas dbadga mod cross sco. Kaja uu sgl coury yag dlaua olh Roussau da ao (007) dalam ml ra sor uaga rhada sor rl d Cha juga mgguaa mod VAR da VECM dga mgguaa daa m srs rod 995 sama dga 005. Scara ssf, VAR dguaa uu mlaua uj ausalas aara varabl ouu dga varabl ssm uaga da uu mlha hubuga jaga ajagya. Smara VECM dguaa uu mlha sas da sd of adjusm aau rso dar masgmasg varabl. Brdasara aja lraur rsbu, la aa mgguaa modlog m srs dga daa VAR aau VECM, sbagamaa yag rah dguaa olh Roussau da ao (007). Uvrsas Idosa Aalsa hubuga..., S Hdaya, FE UI, 009

2 Idfas Varabl da Daa yag Dguaa Sbagamaa djlasa sblumya, la aa mgguaa aalsa m srs uu mlha scara sas raa aara rmbaga sor rbaa, asar modal da rumbuha oom d Idosa. Adau varabl yag aa dguaa adalah sbaga bru: ) Prumbuha Eoom Produ Doms Bruo (PDB) dguaa sbaga roxy rumbuha oom. Daa PDB yag dguaa adaah PDB rl dga harga osa ahu 000. ) Prmbaga Prbaa Toal rd doms (CR) yag dsalura olh ba dguaa sbaga daor rmbaga sor rbaa. Dalam hal daa yag dguaa adalah daa volum rd yau oss rd ruah da valas yag dsalura ba umum ada sor swasa. Pmlha varabl ddasara ada asums bahwa gaa volum rd mcrma adaya gaa vsas yag mml hubuga osf rhada rumbuha oom. ) Prmbaga Pasar Modal Uu daor rmbaga asar modal aa dguaa daor Kaalsas Pasar Saham (KAP). Kaalsas asar mruaa aumulas dar rala jumlah lmbar saham brdar dga harga saham d asar dar sluruh rusahaa-rusahaa yag rcaa d Bursa Ef Idosa (BEI); Pmlha varabl ddasara ada asums bahwa aalsas asar saham daa mgdasa adaya gaa jumlah saham mauu jumlah m yag brar adaya alra daa sgar bag vsas ada m-m rsbu yag scara agrga daa mmgaruh rhada rumbuha oom. Sla u, mlha aalsas asar saham juga dduug olh hasl la yag dlaua olh Glma Pradaa Nugraha, yag ml mga Uvrsas Idosa Aalsa hubuga..., S Hdaya, FE UI, 009

3 58 garuh rmbaga asar modal rhada rumbuha oom Idosa. Dar hasl la rsbu, drolh smula bahwa scara sas aalsas asar saham mml ra yag alg bsar dalam mmgaruh rumbuha oom dbadg daor asar modal laya. Daa yag dguaa uu ga varabl rsbu adalah daa m srs bulaa rod Jauar 999 sama dga Dsmbr 008. Sumbr daa uu ga varabl rsbu drolh dar Sas Eoom da Kuaga Idosa (SEKI) yag dluara olh Ba Idosa. Mgga daa PDB yag rsda adalah dalam rod rwula, maa uu mmrolh daa bulaa PDB dlaua rolas rhada daa PDB rwulaa dga mgguaa rogram E-vws vrs 4.. Sla u, daa uu varabl rbaa da asar modal adalah daa soc (aumulas), smara daa PDB mruaa daa flow, maa uu mghdar salaha dalam mlaua rras, smua daa dyaaa dalam bu logarma (daa log). 4.. Mod Pgolaha da Aalss Daa Pla aa mgguaa modlog m srs dga daa Vcor Auorgrsso (VAR) ja daa yag dguaa adalah sasor da da rogras, aau dlajua dga Vcor Error Corrco Modl (VECM) ja daa yag dguaa adalah sasor amu rdaa ogras. Ala bau aalss yag dguaa adalah rogram -vws vrs 4. da rogram xcl. Kos VAR sdr drala olh Chrsohr Sms dalam mmbua modl uu rsamaa smula. Sms brdaa, dalam rsamaa smula, ja rdaa hubuga yag smula aar varabl yag dama, maa varabl-varabl rsbu harus drlaua sama, shgga da ada lag varabl dog da sog. Brdasara mra lah Sms Nugraha, Glma Pradaa Aalss Pgaruh Prmbaga Pasar Modal Trhada Prumbuha Eoom Idosa. Srs. Isu Praa Bogor. Uvrsas Idosa Aalsa hubuga..., S Hdaya, FE UI, 009

4 59 mmrala os yag dsbu Vor Auorgrsso. Modl VAR daa mjawab aaga sula yag dmu aba modl sruural yag harus mgacu ada or. Dga aa la, modl VAR da baya rgaug ada or, mlaa haya rlu mua: Varabl yag salg brras (mybaba) yag rlu dmasua dalam ssm. Bayaya varabl jda (lag) yag rlu dusraa dalam modl yag dharaa daa maga raa aar varabl dalam ssm. Kuggula dar aalss VAR aara la adalah: () mod sdrhaa da da rlu mmbdaa maa varabl dog da maa varabl sog; () smasya sdrhaa, dmaa mod OLS basa daa dalasa ada sa rsamaa scara rsah; () hasl rraa (forcas) yag drolh dga mgguaa mod dalam baya asus lbh bagus dbadga dga hasl yag ddaa dga mgguaa modl rsamaa smula yag omls salu. Sla u, VAR aalyss juga mruaa ala aalss yag saga brgua, ba d dalam mmaham adaya hubuga mbal bal aara varabl-varabl oom, mauu d dalam mbua modl oom brsruur. Salu baya lbha, modl VAR juga mml bbraa lmaha. Muru Gujara (00), bbraa lmaha VAR, aara la:. Modl VAR lbh brsfa a or ara da mmafaaa formas aau or rdahulu. Olh araya, modl rsbu srg dsbu sbaga modl yag da sruural.. Kara lbh mbraa ada ramala (forcasg), maa modl VAR dagga urag ssua uu aalss bjaa.. Pmlha bayaya lag yag dguaa dalam rsamaa juga daa mmbula rmasalaha. Msal a mmuya varabl bbas dga masg-masag lag sbaya 8. Hal brar a harus mgsmas alg sd 4 aramr. Uu ga rsbu, a harus mmuya daa aau gamaa yag rlaf baya. Uvrsas Idosa Aalsa hubuga..., S Hdaya, FE UI, 009

5 60 Uvrsas Idosa 4. Smua varabl dalam VAR harus sasor, ja da maa harus drasformas rlbh dahulu. 5. Kofs dalam smas VAR sul uu d-rrasa. 4.. Modl Umum VAR da VECM Sbagamaa lah dsbua bahwa modl VAR mgagga smua varabl oom adalah salg rgauga sau sama la (dog). Modl umum VAR daa dgambara sbaga bru: Dmaa, da adalah ga varabl oom yag dama. Kga rsamaa d aas daa duls dalam bu yag lbh rgas sbaga bru: Pamaa modl VAR ara d ss aa rsamaa haya rdr dar lambaa varabl d sblah r, shgga dsbu dga auorgrssv. Sdaga aa vcor ara braa dga dua aau lbh varabl dalam suau modl. Scara umum, modl VAR dga varabl dog bsa duls sbaga bru: 0 η L... 0 η L Aalsa hubuga..., S Hdaya, FE UI, 009

6 6 Modl VAR adalah modl rsamaa rgrs yag mgguaa daa m srs yag braa dga masalah sasoras da ogras aar varabl d dalamya. Lagah rama mbua modl VAR adalah mlaua uj sasoras daa. Ja daa varabl sasor ada ga lvl maa a mmuya modl VAR basa (ursrcd VAR). Sbalya ja daa da sasor ada lvl a sasor ada ross dfrsas yag sama, maa harus duj aaah daa rsbu mmuya hubuga dalam jaga ajag aau da dga mlaua uj ogras. Aabla daa sasor ada ross dfrsas amu varabl da rogras, maa dsbu modl VAR dga daa dfrsas (VAR dfffrc). Namu, aabla rdaa ogras maa modl VAR rsbu dsbu modl Vcor Error Corrco Modl (VECM). Modl VECM mruaa modl VAR yag rsrs (rsrcd VAR) ara adaya ogras yag mujua adaya hubuga jaga ajag aar varabl d dalam ssm VAR. Ssfas VECM mrsrs hubuga rlau jaga ajag aar varabl yag ada agar ovrg dalam hubuga ogras amu a mmbara rubaha-rubaha dams d dalam jaga d.trmolog ogras dal sbaga ors salaha (rror corrco) ara bla rjad dvas rhada smbaga jaga ajag aa dors scara braha mlalu ysuaa arsal jaga d scara braha Tahaa dalam Aalss VAR D dalam mlaua aalss VAR, rlu dlaua bbraa uj ahaa. Adau ahaa dalam mlaua aalss VAR adalah sbaga bru: Uj Sasoras Sblum mlaua rgrs dga modl VAR, rama-ama rlu dlaua rlbh dahulu uj saoras rhada daa m srs yag dguaa. Uj saor dlaua uu mmasa daa yag dguaa adalah daa yag saor shgga hasl rgrs yag dhasla da surous, Uvrsas Idosa Aalsa hubuga..., S Hdaya, FE UI, 009

7 6 yau rgrs yag mggambara hubuga dua varabl aau lbh yag amaya sgfa scara sas amu ada yaaaya da. Sa daa m srs mruaa suau daa dar ross radom (soas). Suau daa m srs yag mruaa hasl ross radom daaa sasor ja mmuh ga rra yau : raa-raa da vara-ya osa sajag wau da ovara aara dua daa ruu wau haya rgaug dar lag (lambaa) aara dua rod wau rsbu. Scara sas dyaaa sbaga bru : Raa-raa : E( ) µ Vara : Var( ) E( - µ) σ Kovara : γ E [( µ)( - µ)] Dmaa γ adalah covaras ada lag yau covaras aara la da ya aara la ada jara rod. Pguja sasoras daa dlaua dga mguj aar-aar u aau u roo s. Daa yag da sasor aa mmuya aar-aar u, sbalya daa yag sasor da mml aar-aar u. Id dasar dar uj sasoras daa dga guja aar u daa djlasa mlalu modl sbaga bru: ρ ) dmaa - ρ da adalah varabl gaggua yag brsfa radom aau soas dga raa-raa ol, vara yag osa da da salg brhubuga, sbagamaa asums ada modl OLS. Varabl gaggua yag mmuya sfa rsbu dsbu varabl gaggua yag wh os. Ja la ρ maa daaa varabl radom (soas) mmuya aar u (u roo). Ja daa m srs mml aar u, maa daaa daa rsbu brgra scara radom (radom wal) da daa yag mmuya sfa radom wal daaa da sasor. Olh ara u uu mguj ada Damodar, N.Gujara, Uvrsas Idosa Aalsa hubuga..., S Hdaya, FE UI, 009

8 6 daya u roo cuu dga mlaua rgrs rhada - da mcar ahu aaah la smas ρ scara sas sama dga. Ja rsamaa 4.) d aas durag dga - maa aa drolh rsamaa sbaga bru: ada dua ssya, - - ρ ) - - (ρ -) ) Aau daa duls dalam bu : δ ) dmaa δ (ρ-) da adalah frs-dffrc oraor. Dalam ra, guja u roo dlaua rhada rsamaa: δ -, yau mlaua rgrs frs-dffc dar rhada - dga hosa ol (H 0 ) : δ 0 : Ja δ 0 brar ρ yag brar rdaa u roo aau daa m srs yag duj da sasor. Ja δ gaf (δ < 0) brar adalah sasor Uu mguj u roo, dlaua uj formal yag daa dlaua dga mgguaa Augmd Dcy Fullr Ts (s ADF). ADF mgasumsa bahwa rror rm brorlas. ADF s mgsmas rgrs sbaga bru: γ ) 0 a γ ) 0 a T a γ ) dmaa : varabl yag dama - - T Trd wau Uvrsas Idosa Aalsa hubuga..., S Hdaya, FE UI, 009

9 64 Prosdur uu mua aaah daa sasor aau da dga cara mmbadga aara la sas ADF dga la rsya dsrbus sas Maco. Nla sasc ADF dujua olh la sas ofs γ - ada ga rsamaa d aas. Ja la absolu sas ADF lbh bsar dar la rsya, maa Ho dola yag brar daa yag dama mujua sasor da ja sbalya, la absolu sas ADF lbh cl dar la rsya maa Ho drma yag brar daa da sasor. Slajuya, aabla hasl guja mujua daa da saor, maa rlu dlaua raformas agar daa mjad saor Uj Kausalas Aalss laya yag braa dga modl ssm VAR o sruural adalah mcar hubuga sbab aba aau uj ausalas aar varabl dog d dalam ssm VAR. Mod yag aa dguaa uu mlha hubuga ausalas adalah Uj Kausalas Gragr (Gragr Causaly Ts). Dga mgguaa Uj Kausalas Gragr daa ddasa aaah suau varabl mmuya hubuga dua arah aau haya sau arah saja. Pada uj Gragr yag dlha adalah garuh masa lalu rhada ods sarag, shgga uj mmag dmasuda uu daa m srs. Muru os Gragr, ausalas dmaa mybaba ja la masa lalu mmrba rds la. Namu dma, uu mgorasoala os, rlu uu mcar cara yag a uu mghasla rds, da cara uu mguur auraaya. Scara mamas, uu mlha aaah mybaba aau da, daa dlaua dga bbraa ahaa: ) H 0 : da mybaba Dalam rgrs, hal brar bahwa smua ofs rgrs brla ol, shgga hosa daa dulsa sbaga bru: H 0 :... m 0 Uvrsas Idosa Aalsa hubuga..., S Hdaya, FE UI, 009

10 65 ) Bua rgrs uh da daaa Sum Squar of Error (SSE) ε ) Bua rgrs rbaas da daaa Sum Squar of Error (SSE) ε 4) Laua Uj F brdasara SSE yag drolh dga formula: F N SSErbaas SSE q SSE uh uh dmaa: N bayaya gamaa bayaya aramr modl uh q bayaya aramr modl rbaas 5) Bla H 0 dola, brar mmgaruh. Dga cara yag sama juga daa dlaua uu mlha aaah mmuya garuh rhada Pua Lag (Klambaa) yag Omal Hal yag juga g d dalam smas VAR adalah masalah ua ajag lag (lambaa) d dalam ssm VAR. Pajagya lambaa varabl yag omal drlua uu maga garuh dar sa varabl rhada varabl yag la d dalam ssm VAR. Pua ajagya lag yag omal bsa mgguaa bbraa rra sr Aa Iformao Crra (AIC), Schwarz Iformao Crra (SIC), Haa-Qu Crra (HQ), Llhood Rao (LR) mauu Fal Prdco Error (FPE). Bla mgguaa salah sau rra d dalam mua ajagya lag, maa ajag lag yag omal rjad ja la-la rra d aas mmuya la absolu yag rcl. Sdaga bla mgguaa bbraa rra uu mua ajagya lag yag omal maa dguaa rra ambaha yau adjusd R ssm VAR. Pajag lag yag omal rjad ja la adjusd R adalah alg gg. Uvrsas Idosa Aalsa hubuga..., S Hdaya, FE UI, 009

11 66 D dalam la mgguaa Schwarz Iformao Crro (SIC) uu mua lag yag omal. Dalam hal, modl VAR dsmas dga ga lag brbda-bda muda dbadga la SIC-ya. Nla SIC rcl daa sbaga aoa la lag yag omal Uj Kogras Sbagamaa dyaaa Egl-Gragr (987) bahwa ombas lr dar dua aau lbh varabl m srs yag o-sasor bsa jad adalah sasor. Ja ombas dar varabl-varabl o-sasor rsbu mghasla rsdual yag sasor maa varabl-varabl rsbu daaa rogras, yag brar adaya hubuga jaga ajag aar varabl d dalam ssm VAR. Braa dga hal rsbu, maa lagah slajuya d dalam smas VAR adalah uj ogras uu mgahu bradaa hubuga jaga ajag aar varabl. Pada lagah aa dahu aaah modl yag aa dguaa adalah mruaa modl VAR ga dfrs (ja da rdaa ogras) aau modl VECM (ja rdaa ogras). Mod ogras yag daa dguaa aara la adalah mod ogras Egl-Gragr da mod ogras Johas. Dalam la dguaa mod ogras Johas uu mmrolh hubuga jaga ajag aara varabl-varabl dalam modl. Mod ogras Johas dguaa ara dalam la mgguaa daa VAR. Mod ogras brbda dga mod Egl-Gragr yag basaya dguaa uu sau rsamaa saja Aalsa VAR Iovao Accoug Hasl smas VAR srgal da mmuasa dlha dar uj. Klambaa varabl dog d dalam ssm VAR muga da sgfa scara sas. Sla u, scara dvdual, ofs d dalam modl VAR sul drrasa. Umumya modl VAR dguaa uu aalss dams daa m srs. Dalam hal bbraa aalss g yag bsa Uvrsas Idosa Aalsa hubuga..., S Hdaya, FE UI, 009

12 67 dhasla d dalam modl VAR adalah Imuls Rsos Fuco da Varac Dcomoso. Pada dasarya dua s dguaa uu mguj sruur dams dar ssm varabl dalam modl yag dama yag dcrma olh varabl ovas (ovao varabl) Imuls Rsos Fuco (IRF) Kara scara dvdual ofs d dalam modl VAR sul drrasa maa ara ahl oomra mgguaa aalsa IRF. Aalsa IRF mruaa salah sau aalss g d dalam modl VAR. Aalss IRF mlaca rso dar varabl dog d dalam ssm VAR ara adaya gocaga (shocs) aau rubaha d dalam varabl gaggua (). Adaya shoc varabl gaggua ( ) ada rsamaa varabl dog - d dalam suau ssm VAR (msalya, mgalam aa sbsar sau sadard dvas), maa aa mmgaruh varabl dog - u sdr uu saa mauu d masa yag aa daag. Kara varabl dog rsbu juga mucul d dalam rsamaa varabl dog yag la, maa shoc varabl gaggua rsbu juga aa mjalar varabl-varabl dog yag laya mlalu sruur dams VAR. Dma juga halya ja rjad shoc varabl gaggua ada rsamaa varabl dog yag laya. IRF mmbra arah hubuga bsarya garuh aar varabl dog. Dga dma, shoc aas suau varabl dga adaya formas baru aa mmgaruh varabl u sdr da varabl-varabl laya d dalam ssm VAR. Dga mgguaa aalsa IRF juga bsa dlaca shoc uu bbraa rod da Varac Dcomoso Sla IRF, modl VAR juga mydaa Th Cholsy Dcomoso aau srg dsbu Varac Dcomoso. Varac Dcomoso mmbra mod yag brbda d dalam mggambara ssm dams VAR dbadga dga aalss IRF. Aalss IRF dguaa uu mlaca dama shoc dar varabl dog rhada varabl laya d dalam ssm Uvrsas Idosa Aalsa hubuga..., S Hdaya, FE UI, 009

13 68 VAR. Sdaga aalss Varac Dcomoso mggambara rlaf gya sa varabl d dalam ssm VAR ara adaya shoc aau sbraa ua omoss dar raa varabl ru rhada laya. Varac Dcomoso brgua uu mmrds orbus rsas vara sa varabl ara adaya rubaha varabl ru d dalam ssm VAR Baga Aalsa VAR Scara myluruh, urua gguaa ala oomr dalam la daa dlusrasa ada dagram bru. Gambar 4.. Baga Aalsa VAR Uvrsas Idosa Aalsa hubuga..., S Hdaya, FE UI, 009

14 Ssfas Modl Scara ors, varabl PDB, volum rd da rmbaga asar modal mmuya hubuga mbal bal lagsug aauu da lagsug shgga ga varbl rsbu mruaa varabl dog. Dga dma hubuga aara ga varabl rsbu daa daalss dga mgguaa mod Vcor Auorgrssv (VAR). Adau modl yag aa dguaa dalam mgaalsa hubuga ausalas aara PDB, rbaa da asar modal adalah mgu modl yag rah dmbaga olh Roussau da Wachl (998) da Roussau da ao (007) sbaga bru:,,0,,,,,, µ, ) a a b c,,0,,,,,, µ, ) a a b c,,0,,,,,, µ, ) a a b c Dmaa : adalah Produ Doms Bruo adalah Krd ada sor swasa da adalah Kaalsas Pasar Saham Sluruh varabl yag dguaa dalam la dyaaa dalam bu logarma. Uvrsas Idosa Aalsa hubuga..., S Hdaya, FE UI, 009

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB ADASA TEORI. Varabl Varabl adalah arar ag aa d obsrvas dar u amaa. Varabl dalam pla mrupaa suau arbu dar slompo obj ag dl da mml varas aara sau obj dga obj ag la dalam lompo rsbu, msala gg bada da

Lebih terperinci

Jurnal EKSPONENSIAL Volume 7, Nomor 2, Nopember 2016 ISSN

Jurnal EKSPONENSIAL Volume 7, Nomor 2, Nopember 2016 ISSN Jural EKSPONENSIAL Volum 7, Nomor, Nombr 06 ISSN 085-789 Prbadga Hasl Klasfas Mgguaa Rgrs logst da Aalss Dsrma Kuadrat Pada Kasus Pglasfasa Jurusa D SMA Ngr 8 Samarda Tahu Aara 04/05 Comarso of Classfcato

Lebih terperinci

(1) dengan yi = 0,1. Kata Kunci regresi logistik biner, model logit dan probit, orientasi pasar, usaha kecil menengah, industri produk kulit.

(1) dengan yi = 0,1. Kata Kunci regresi logistik biner, model logit dan probit, orientasi pasar, usaha kecil menengah, industri produk kulit. Prbadga Modl Logt da Probt Utu Mgaalss Fator-Fator yag Mmgaruh Draat Ortas Pasar Usaha Kcl Mgah (Stud Kasus d Stra Idustr Produ Kult d Kabuat Sdoaro Ryo Fbrawa, Luca Ardat da Wbawat Jurusa Statsta, Faultas

Lebih terperinci

Maximum Likelihood Estimation Model Linear dan Log-Linear dalam Regresi Poisson

Maximum Likelihood Estimation Model Linear dan Log-Linear dalam Regresi Poisson Prosdg Sar Nasoal Pla Pdda da Prapa MIPA Faulas MIPA Uvrsas Ngr Yogaara 6 M 9 Mau lhood Esao Modl ar da og-ar dala Rgrs Posso Yul Wbawa Jaa Nugraha Jurusa Sasa FMIPA-UII Kapus Trpadu UII Jl Kalurag KM

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bbrapa tor yag dprlua utu mduug pmbahasa dataraya adalah rgrs lar brgada, mtod uadrat trcl (MKT), pguja asums aalss rgrs, outlr, rgrs robust, ofs dtrmas, bradow pot. A. Rgrs Lar Brgada

Lebih terperinci

JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:

JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di: JURNAL GAUSSIAN, Volum, Nomor, ahu 0, Halama 55-64 Ol d: htt://joural-s.ud.ac.d/d.h/gaussa PEMODELAN REGRESI ZERO-INFLAED NEGAIVE BINOMIAL ZINB UNUK DAA RESPON DISKRI DENGAN EXCESS ZEROS Bau Arawa, Suart,

Lebih terperinci

Aksioma ini mendefinisikan jangkauan probabilitas adalah dari 0 sampai 1. Nilai negatif tidak diperbolehkan. '

Aksioma ini mendefinisikan jangkauan probabilitas adalah dari 0 sampai 1. Nilai negatif tidak diperbolehkan. ' DFTR ITILH. rrval : rswa daagya sorag plagga dalam ssm ara.. rrval ra : Nla raa-raa bayaya arrval dalam sau saua wau. 3. Br-da : ggambara suau pross yag ddalamya rdapa prswa lar d dalam ssm ara al brar

Lebih terperinci

ANALISIS PENYALURAN RASKIN DI KOTA SEMARANG. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang

ANALISIS PENYALURAN RASKIN DI KOTA SEMARANG. Jln. Prof. H. Soedarto, S.H., Tembalang, Semarang ANAISIS PENYAURAN RASKIN DI KOTA SEMARANG Rosaa Eo N da Ta Wdharh Alum PS Sasa Jurusa Mamaa FMIPA UNDIP PS Sasa Jurusa Mamaa FMIPA UNDIP Jl. Prof. H. Sodaro, S.H., Tmbala, Smara Absrac. Ras Proram s aoal

Lebih terperinci

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum Hardwiyao Uomo 060545 4.3 Samlig dari disribusi ormal da simasi liklihood maksimum Liklihood ormal mulivaria Kia asumsika vkor,,..., dga mrrsasika saml acak dari oulasi ormal mulivaria dga raa-raa µ da

Lebih terperinci

KARAKTERISTIK FUNGSI DISTRIBUSI FOUR-PARAMETER GENERALIZED-t

KARAKTERISTIK FUNGSI DISTRIBUSI FOUR-PARAMETER GENERALIZED-t Jural -DuMah Volum No Jauar 6 Hlm 8- KARAKTERISTIK FUNGSI DISTRIUSI FOUR-PARAMETER GENERALIZED- Rahma Cahad Warsoo Musoa Usma Da Kurasar Pddka Mamaka STKIP Muhammadah Prgswu Emal: rahma_cahad@ahoocom Mamaka

Lebih terperinci

BAB 2 TEORI DASAR (2-3) (2-4) E = Medan Listrik H = Medan Magnet

BAB 2 TEORI DASAR (2-3) (2-4) E = Medan Listrik H = Medan Magnet BAB TORI DASAR. PRINSIP DASAR GPR Radar mrupaa ala ag dguaa uu md ara aau arah uau bda aomal dga glombag rado baga umbr rada. Salah au pgmbaga apla glombag rado adalah Groud Prag Radar GPR ag dguaa uu

Lebih terperinci

SOAL 1.1. : Melempar dua mata uang, ruang sampelnya (S) adalah :

SOAL 1.1. : Melempar dua mata uang, ruang sampelnya (S) adalah : uba aca da sfa sfaya. rcobaa aca Radom prm mrupaa suau prcobaa dmaa luara oucom yag rad da dapa dua dga pas. Ruag sampl Sampl spac / S / Ω adala mpua yag mmua asl smua prcobaa. T sampl adala aggoa dar

Lebih terperinci

BAB IV SISTEM TUNGGU (DELAY SYSTEM)

BAB IV SISTEM TUNGGU (DELAY SYSTEM) 38 Da eayaa Traf BB IV SISTM TUGGU (DLY SYSTM) Kedaaga ae buffer erver µ Keberagaa ae Gambar 4. : model em uggu ada em uggu, aggla yag daag ada aa emua bu, aggla erebu meuggu ama ada alura/eralaa yag beba

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

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

( α = 0, 05 ) rumus yang digunakan untuk menentukan jumlah anggota sampel adalah:

( α = 0, 05 ) rumus yang digunakan untuk menentukan jumlah anggota sampel adalah: BAB LANDASAN TEORI Pramala adalah giaa umu mmpriraa apa ag aa rjadi pada masa ag aa daag brdasara pgalama di masa lalu. Mod pramala ag srig diguaa dalam oomi da duia usaha adalah dr wau (im sris).. Bbrapa

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

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

PEMODELAN REGRESI ZERO INFLATED POISSON (APLIKASI PADA DATA PEKERJA SEKS KOMERSIAL DI KLINIK REPRODUKSI PUTAT JAYA SURABAYA) Abstrak

PEMODELAN REGRESI ZERO INFLATED POISSON (APLIKASI PADA DATA PEKERJA SEKS KOMERSIAL DI KLINIK REPRODUKSI PUTAT JAYA SURABAYA) Abstrak Pmodla Rgrs Zro Ilatd Posso... Ala star PEMODEAN REGRESI ZERO INFAED POISSON APIKASI PADA DAA PEKERJA SEKS KOMERSIA DI KINIK REPRODUKSI PUA JAYA SURABAYA Ala star Purhad Madu Rata Jurusa Spl Uvrstas Ad

Lebih terperinci

Interpretasi Parameter dalam Model Regresi Logistik untuk Variabel Bebas Dikotomus

Interpretasi Parameter dalam Model Regresi Logistik untuk Variabel Bebas Dikotomus Jural EKSPONENSIAL Volum 3, Nomor, M 22 ISSN 285-7829 Itrprtas Paramtr dalam Modl Rgrs Logst utu Varabl Bbas Dotomus Paramtr Itrprtato Logstc Rgrsso Modls for Dcotomus Idpdt Varabl Darah A. Noh Program

Lebih terperinci

REGRESI LOGISTIK BINER

REGRESI LOGISTIK BINER REGRESI LOGISTIK BINER Mtod rgrs mruaka aalss data yag mdskrska hubuga kausaltas atara varabl rso da rdktor (Hosmr da Lmshow, ). Prbdaa mdasar atara rgrs lr da rgrs logstk adalah ty dar varabl rso. Rgrs

Lebih terperinci

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

Sidang Tugas Akhir D3-Statistika, 11 Juni 2013 Gedung H Lt.2

Sidang Tugas Akhir D3-Statistika, 11 Juni 2013 Gedung H Lt.2 Sdag Tugas Akr D3-Saska, Ju 3 Gdug H L. Taua Pusaka Saska Dskrf Tabl Kogs Walol, 995 Mod-mod ag brkaa dga gumula da aa suau gugus daa, sgga mmbrka formas ag brgua da aa mmbrka formas mga daa ag dmlk da

Lebih terperinci

Pengklasifikasian Penyakit Jantung Di RSUD Abdul Wahab Sjahranie Samarinda Dengan Menggunakan Regresi Logistik Biner

Pengklasifikasian Penyakit Jantung Di RSUD Abdul Wahab Sjahranie Samarinda Dengan Menggunakan Regresi Logistik Biner Pgklasfkasa Pyakt Jatug D RSUD Abdul Wahab Sjahra Samarda Dga Mgguaka Rgrs Logstk Br Classfcato of Hart Dsas RSUD Abdul Wahab Sjahra Samarda Usg Bary Logstk Rgrsso Adras Sutato 1, Darah A. Noh, Syarudd

Lebih terperinci

Pengkelasan dengan Skor Propensitas

Pengkelasan dengan Skor Propensitas Saska, Vol. 6 No. 2, 35 39 Nobr 26 Pgklasa dga Skor Prosas Marzuk da Fakhrurraz Jurusa Maaka FMIPA Usah Jl. Sch Abdul Rauf No. 3 Darussala Bada Ach 23 ABSTRAK Prbadga dua oulas dga laar blakag obk (kovara

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

ANALISIS PERKEMBANGAN LAJU INFLASI DI INDONESIA SEBELUM DAN SETELAH KRISIS MONETER (1990 : : 4)

ANALISIS PERKEMBANGAN LAJU INFLASI DI INDONESIA SEBELUM DAN SETELAH KRISIS MONETER (1990 : : 4) j j hh j j hh j j hh j j hh j j hh hh jajc h jajc h jajc h jajc h jajc h hh c ja h c ja h c ja h c ja h c ja h hh c ja h h c ja h h c ja h h c ja h h c ja h h hh j j ANALISIS PERKEMBANGAN LAJU INFLASI

Lebih terperinci

III HASIL DAN PEMBAHASAN

III HASIL DAN PEMBAHASAN vr vr yang lannya. In adalah au huu dar onrol bang-bang. Syara cuu mncau H( x (, u (, (, H( x(, u(, (,. Vor dbu juga vor adjon yang mml ranan baga ngal Lagrang. Dalam maalah oma dnam, ubah aau vor adjon

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI

PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI PENDUGAAN DURBIN WATSON UNTUK MENGATASI OTOKORELASI DALAM ANALISIS REGRESI LINEAR SKRIPSI Daua uu Memeuh Persyaraa Peyelesaa Program Saraa Sas Jurusa Maemaa Faulas Maemaa da Ilmu Pegeahua Alam Uversas

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

Koefisien Korelasi Spearman

Koefisien Korelasi Spearman Koefe Koela Speama La hala dega oefe oela poduct-momet Peao, oela Speama dapat dguaa utu data beala mmal odal utu edua vaabel ag heda dpea oelaa. Lagah petama ag dlaua utu meghtug oefe oela Speama adalah

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

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

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n.

b. peluang terjadinya peristiwa yang diperhatikan mendekati nol (p 0). c. perkalian n.p =, sehingga p = /n. 0 DISTRIBUSI POISSO Distribusi Poisso ii diprolh dari distribusi biomial, apabila dalam distribusi biomial brlau syarat-syarat sbagai briut: a. baya pgulaga sprimya sagat bsar ( ). b. pluag trjadiya pristiwa

Lebih terperinci

BAB 2 MATEMATIKA SEBAGAI ALAT ANALISIS SISTEM KONTROL

BAB 2 MATEMATIKA SEBAGAI ALAT ANALISIS SISTEM KONTROL BB MEMIK SEBGI L NLISIS SISEM KONROL uu aal dama pro:. raorma Laplac umum. Smula ompur lb aura da dal. raorma Laplac L: Brlau aa pada Pramaa Dral PD lar: mruba PD mjad pramaa aljabar Dapa mgguaa gra uu

Lebih terperinci

Perhitungan Premi dengan Asumsi Waktu Antar Klaim Berdistribusi Eksponensial

Perhitungan Premi dengan Asumsi Waktu Antar Klaim Berdistribusi Eksponensial Prhungan Pr dngan Asus Wau Anar Kla Brdsrbus Esponnsal Fahauz Zuharoh Jurusan Pnddan Maaa, STKIP, YPUP Maassar Info: Jurnal MSA Vol. 2 o. Eds: Januar Jun 24 Arl o.: 3 Halaan: 5-22 ISS: 2355-83X Prod Maaa

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL Robah P Rahaat da Tatk Wdhah Juusa Matmatka FMIPA UNDIP Jl. Pof. H. Sodato, S.H, Smaag 575 Abstat. Logt umulatv modl s usd to dsb th latoshp btw a spos vaabl

Lebih terperinci

EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACHING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N 2 TURI

EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACHING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N 2 TURI EFEKTIVITAS PEMBELAJARAN MATEMATIKA DENGAN MODEL QUANTUM TEACING (QT) DITINJAU DARI KREATIVITAS BELAJAR SISWA KELAS VIII SMP N TURI Mota Dwya ), N Wahyu Utam, M. Pd. ) Program Stud Pdda Matmata Faultas

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

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 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

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

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

INTERVAL KREDIBEL BAYESIAN OBYEKTIF DARI PARAMETER POPULASI BERDISTRIBUSI POISSON DAN EKSPONENSIAL

INTERVAL KREDIBEL BAYESIAN OBYEKTIF DARI PARAMETER POPULASI BERDISTRIBUSI POISSON DAN EKSPONENSIAL INTERVAL KREDIBEL BAYESIAN OBYEKTIF DARI PARAMETER POPULASI BERDISTRIBUSI POISSON DAN EKSPONENSIAL A Sawa Program S Mamaka Isr a Saska Faklas Sas a Mamaka Uvrsas Krs Saya Wacaa Jl Dpogoro 5-6 Salaga 57

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha (sodag@ub-ut.ac.d) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

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

PERBANDINGAN MODEL EKSPONEN DAN MODEL SPLINE SERTA PENENTUAN LAMA WAKTU OPTIMAL DALAM PROSES SINTERING KERAMIK DI PT. KUALI MAS

PERBANDINGAN MODEL EKSPONEN DAN MODEL SPLINE SERTA PENENTUAN LAMA WAKTU OPTIMAL DALAM PROSES SINTERING KERAMIK DI PT. KUALI MAS PERBANDINGAN MODEL ESPONEN DAN MODEL SPLINE SERA PENENUAN LAMA WAU OPIMAL DALAM PROSES SINERING ERAMI DI P. UALI MAS Ulfa Meda Nurmaa(389) I Noma Budaara Mahasswa Jurusa Sasa FMIPA-IS Dose Pembmbg ugas

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

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

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

Transformasi Laplace. Analisis Rangkaian Listrik Di Kawasan s 7/23/2013. Pengantar. Isi

Transformasi Laplace. Analisis Rangkaian Listrik Di Kawasan s 7/23/2013. Pengantar. Isi 7 Sudaryao Sudirham alii agaia iri Di awaa Pgaar ia lah mliha bahwa aalii di awaa faor lbih drhaa dibadiga dga aalii di awaa wau ara ida mlibaa ramaa difrial mlaia ramaa-ramaa alabar biaa. a ai aalii rbu

Lebih terperinci

ESTIMASI PARAMETER PADA DISTRIBUSI EKSPONENSIAL

ESTIMASI PARAMETER PADA DISTRIBUSI EKSPONENSIAL Jural Matmata Mur da Traa Vol5 No Dsmbr : 4-5 ESTIMASI PARAMETER PADA DISTRIBUSI EKSPONENSIA Ry Aula Hj Noor Fajrah Nur Salam Proram Stud Matmata Faultas MIPA Ulam Bajarbaru Kalsl ABSTRAK Estmas tt dar

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

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

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

Uji Median Pengaruh Utama dan Interaksi dalam Percobaan Berfaktor

Uji Median Pengaruh Utama dan Interaksi dalam Percobaan Berfaktor Jural Grade Vol3 No Jul 007 : 77-8 U Meda Pegaruh Uaa da Ieras dala Peroaa Berfaor Sg Nugroho Jurusa Maeaa, Faulas Maeaa da Ilu Pegeahua Ala, Uversas Begulu, Idoesa Dera Ju 007; Dseuu 6 Jul 007 Asra -

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN. Laar Belaag D alam erdapa baya seal jes mahlu hdup. Mahlu hdup ersebu aa mejala seles alam d maa yag ua yag aa beraha. Salah sau ejada yag dapa dama adalah persaga uu memperoleh maaa dalam

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 IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi

BAB IV TAKSIRAN MAKSIMUM LIKELIHOOD FUNGSI INTENSITAS POISSON NONHOMOGEN. fungsi intensitas proses Poisson nonhomogen, yaitu secara teoritis dan studi BAB IV AKSIRA MAKSIMUM LIKELIHOOD FUGSI IESIAS POISSO OHOMOGE 4 Pndahuluan Brku n, akan dbahas nang dua pndkaan unuk mndapakan aksran fungs nnsas pross Posson nonhomogn, yau scara ors dan sud kasus Pada

Lebih terperinci

Gambar 3.1Single Channel Multiple Phase

Gambar 3.1Single Channel Multiple Phase BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag

Lebih terperinci

Transformasi Laplace 8/3/2013. Analisis Rangkaian Listrik Di Kawasan s. Pengantar. Isi. Transformasi Laplace

Transformasi Laplace 8/3/2013. Analisis Rangkaian Listrik Di Kawasan s. Pengantar. Isi. Transformasi Laplace Sudarya Sudirham alii agaia iri Di awaa Pgaar ia lah mliha bahwa aalii di awaa far lbih drhaa dibadiga dga aalii di awaa wau ara ida mlibaa ramaa difrial mlaia ramaa-ramaa alabar biaa. a ai aalii rbu rbaa

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-140

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-140 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (014) 337-350 (301-98X Prt) D-140 Faktor-Faktor yag Mmgaruh Pyakt Malara ada Ibu Haml d Provs Nusa Tggara Barat, Nusa Tggara Tmur, Maluku, Maluku Utara, Paua,

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

PENERBITAN IJAZAH UNIVERSITAS RIAU

PENERBITAN IJAZAH UNIVERSITAS RIAU STANDARD OPERASIONAL PROSEDUR (SOP) PENERBITAN IJAZAH UNIVERSITAS RIAU Idas Pmbuaa Taggal Trb Eds I : 1 Dsmbr 2017 Taggal Trb Eds II : - Saus Rvs : 00 Dsusu Olh : Tm BAK UNRI Dprksa da dsuju olh : Kpala

Lebih terperinci

APLIKASI STATISTIKA DALAM BIDANG KESEHATAN DENGAN REGRESI LOGISTIK ORDINAL

APLIKASI STATISTIKA DALAM BIDANG KESEHATAN DENGAN REGRESI LOGISTIK ORDINAL APIKASI SAISIKA DAAM BIDANG KESEHAAN DENGAN EGESI OGISIK ODINA oha Bdhaa* b_bdhaa@yahoo.co.d SIKES Kota Sabm Abstra Dalam mta varabl-varabl prdtor yag brpgarh trhadap varabl rspo dmaa varabl rspo brsala

Lebih terperinci

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D86 Pemodela Kods Jarga Lstr PT. PLN (Persero) Area Surabaya Selata dega Aalss Regres Logst Ordal Des Olva Sswadar da Haryoo Dearteme Statsta,

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

SISTEM PENDUKUNG KEPUTUSAN UNTUK PENGADAAN BAHAN BAKU DINAMIS DENGAN ADANYA DISKON DAN BATAS MASA KADALUARSA

SISTEM PENDUKUNG KEPUTUSAN UNTUK PENGADAAN BAHAN BAKU DINAMIS DENGAN ADANYA DISKON DAN BATAS MASA KADALUARSA JURNAL NFORMATKA Vol 4, No., Jauar SSTEM PENUKUNG KEPUTUSAN UNTUK PENGAAAN BAHAN BAKU NAMS ENGAN AANYA SKON AN BATAS MASA KAALUARSA S Mahsaah Budja Te dusr, Faulas Teolog dusr Uversas Ahmad ahla ABSTRAK

Lebih terperinci

PENGUJIAN HIPOTESIS PROSEDUR UMUM PROSEDUR UMUM PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 )

PENGUJIAN HIPOTESIS PROSEDUR UMUM PROSEDUR UMUM PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 ) PENGUJIAN HIPOTESIS PROSEDUR UMUM Lagkah : tetuka hpote 0 (H 0 ) da at hpote (H ) malya: H 0 : µ 00 H : µ 00 atau H : µ > 00 atau H : µ < 00 PROSEDUR UMUM Lagkah : tetuka je dtrbu yag cocok: bla > 30 da

Lebih terperinci

BAB III UKURAN PEMUSATAN (RATA-RATA)

BAB III UKURAN PEMUSATAN (RATA-RATA) BAB III UKUAN PEMUSATAN (ATA-ATA Salah sat ra mer yag mejelasa cr-cr data yag petg adalah ra pemsata, yat ra yag meja psat seggs data yag telah drta dar yag terecl sampa yag terbesar ata sebalya Ura pemsata

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

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

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

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

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

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

Catatan Teknik (Technical Notes) Pengerjaan Metoda Inversi Integral pada Perumusan Persamaan Muka Air Gelombang Air Nonlinier

Catatan Teknik (Technical Notes) Pengerjaan Metoda Inversi Integral pada Perumusan Persamaan Muka Air Gelombang Air Nonlinier Huahaa ISSN 085-98 Jural Toris da Trapa Bidag Rayasa Sipil Caaa Ti Tchical Nos Pgrjaa Moda Ivrsi Igral pada Prumusa Prsamaa Mua Air Glombag Air Noliir Syawaluddi Huahaa Klompo Kahlia Ti Klaua, Faulas Ti

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG

MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG MODEL DINAMIS : AUTOREGRESSIVE DAN DISTRIBUSI LAG SKRIPSI Dajua epada Faulas Maemaa da Ilmu Pegeahua Alam Uversas Neger ogyaara uu memeuh sebaga persyaraa gua memperoleh gelar Sarjaa Sas Oleh: Naala Jagrum

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA PEDAHULUA Latar Blaa Prcobaa lua ada ruaa rcobaa ya sr duaa dala lta ulaa taaa da ltalta aroo laya utu a tras ot-lua (oty vrotal tracto). Salah satu cara utu a tras ot-lua adalah da laua rcobaa u daya

Lebih terperinci

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2 Kaa Kovrgs Barsa Ruag Norm-(-) Dga KAJIAN KONVERGENSI BARISAN RUANG NORM-(-) DENGAN Faratul Masruroh Era Aprla Sao 3 Jurusa Matmatka FMIPA Isttut Tkolog Spuluh Nopmbr Surabaa 3 Jl. Arf Rahma Hakm Kampus

Lebih terperinci

LAMPIRAN I GREEK ALPHABET

LAMPIRAN I GREEK ALPHABET LAMPIRAN I GREEK ALPHABE Α, Alpha Μ, µ Mu Ψ, Psi Β, β Ba Ν, ν Nu Ω, ω Oga. Γ, γ Gaa, δ Dla Ε, ε Epsilo Ζ, ζ Za Η, η Ea Θ, θ ha Ι, ι Ioa Κ, κ Kappa Λ, λ Labda Ξ, ξ i Ο,ο Oico Π, π Pi Ρ, ρ Rho Σ, σ Siga

Lebih terperinci

Konsistensi dan Asimtotik Normalitas Model Multivariate Adaptive Regression Spline (Mars) Respon Biner

Konsistensi dan Asimtotik Normalitas Model Multivariate Adaptive Regression Spline (Mars) Respon Biner Jural IMU DASAR, Vol No, Jul 9 : 33-33 Kossts da Asmtotk Normaltas Modl Multvarat Adatv Rgrsso Sl (Mars Rso r Cosstcy ad Asymtotc Normalty of Maxmum klhood Estmator MARS ary Rsos Modl ambag Wdaarko Otok

Lebih terperinci

ANALISA PROBABILITAS KELUARAN PADA SISTEM GSM DENGAN DAN TANPA FREKUENSI HOPPING RAHMA YENNI L2F

ANALISA PROBABILITAS KELUARAN PADA SISTEM GSM DENGAN DAN TANPA FREKUENSI HOPPING RAHMA YENNI L2F AALISA PROBABILITAS KELUARA PADA SISTEM GSM DEGA DA TAPA FREKUESI HOPPIG RAHMA YEI LF 30055 ABSTRAK Pada saat tututa masyaraat aa mudaha dalam bromuas sma mgat. Salah satu tolog yag dtrapa dalam sstm GSM

Lebih terperinci

ANALISIS KEDINAMIKAN SISTEM PADA MASALAH PENJADWALAN FLOW SHOP MENGGUNAKAN ALJABAR MAX-PLUS

ANALISIS KEDINAMIKAN SISTEM PADA MASALAH PENJADWALAN FLOW SHOP MENGGUNAKAN ALJABAR MAX-PLUS Smar Nasoal atmata IV Isttut Tolog Spuluh Nopmbr, Surabaya, 3 Dsmbr 008 ANALISIS KEDINAIKAN SISTE PADA ASALAH PENADWALAN FLOW SHOP ENGGUNAKAN ALABAR AX-PLUS Nur Shofaah, Suboo, urusa atmata FIPA Isttut

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

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1 JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-3 (3-8 Prt) D- Pmodla Partspas Wata dalam Kgata Ekoom Rumah Tagga Nlaya d Pssr Tmur Surabaya (Stud Kasus Kcamata Kcamata Bulak, Mulyorjo, da Kjra) Irma Harlagtyas,

Lebih terperinci

DEFORMASI INTERAKSI DUA PAKET GELOMBANG DARI PERSAMAAN IMPROVED KdV (IKdV)

DEFORMASI INTERAKSI DUA PAKET GELOMBANG DARI PERSAMAAN IMPROVED KdV (IKdV) DEFOMSI INTEKSI DU PKET GELOMBNG DI PESMN IMPOVED KdV IKdV Sumn Jurusan Mamaa FMIP Unvrsas Dongoro Jl. Prof. H. Sodaro SH Tmbalang Smarang 575 E-mal: su_mn@yaoo.om bsra: Hr W wll sudy nonlnar wo wavs a

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

Integral Mcshane Fungsi Bernilai Banach

Integral Mcshane Fungsi Bernilai Banach ea shae s Bea Baah Hey Pbawao Syawa sa aeaa Uvesas Saaa Dhaa Yoyaaa e-a heybs@sasdad Absa ea Shae eaa ea e Rea ya ea daa ea Heso-zwe da evae dea ea Lebese D daa aaah aa dbaaa sa ea ea Shae ya s bea ada

Lebih terperinci