JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN :

Ukuran: px
Mulai penontonan dengan halaman:

Download "JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 1-10, April 2001, ISSN :"

Transkripsi

1 JURNAL MATEMATIKA DAN KOMUTER Vol.. No., -, Aprl, ISSN : -88 ENDEKATAN RERESI OLINOMIAL ORTHOONAL ADA RANCANAN DUA FAKTOR (DENAN ALIKASI SAS DAN MINITAB) Tat Wharh Jurusan Matemata FMIA UNDI Abstra eneatan regres polnomal orthogonal apat lauan paa rancangan engan fator uanttatf an ara antar taraf fator sama. eneatan n lauan bla penelt ngn menentuan taraf fator ar masng-masng fator yang mengoptmalan respon yang amat. enentuan eraat polnomal berasaran ontrasontras orthogonal yang nyata (sgnfcant) ar masng-masng fator, emuan apat temuan bentu regres peneatannya. ersamaan yang peroleh merupaan fungs matemata engan ua peubah. Dengan menggunaan htung fferensal apat tentuan tt estrem ar fungs tersebut. Bla embalan ebentu rancangan berart apat tentuan taraf fator ar masng-masng fator yang mengoptmalan respon yang amat. Kata unc : fator uanttatf, respon, polnomal orthogonal, ontras orthogonal.. ENDAHULUAN Rancangan ua fator paa tulsan n batas paa rancangan engan eua fator uanttatf, ara antar taraf fator sama, ulangan sama an moel yang plh aalah moel tetap (fxe moel). eneatan regres polnomal orthogonal n apat terapan alam percobaan fatoral, splt plot maupun splt blo. Setelah menentuan rancangan yang plh, an berasaran ata pengamatan (respon), pertama tama susun tabel analsa varansnya (tabel anova). Dar tabel anova tersebut aan terlhat fator-fator mana yang nyata (sgnfcant) yang mempengaruh respon yang amat. [,, ]. Jumlah uarat fator utama (yang nyata / sgnfcant) apat pecah mena umlah uarat ontras-ontras yang salng orthogogal yang bereraat bebas. Banyanya

2 eneatan Regres olnomal (Tat Wharh) ontras orthogonal yang apat bentu sebanya taraf fatornya urang satu. Koeffsen ar ontras-ontras orthogonal tentuan berasaran tabel oeffsen polnomal orthogonal (lampran ). Melalu u ontras apat tentuan eraat polnomal ar fator utama. Untu fator nteras, ontras-ontras orthogonalnya tentuan melalu ontras-ontras ar fator utama (seolah olah sepert peralan blangan rl basa). Jumlah uarat fator nteras apat pecah mena umlah uarat ontras-ontras orthogonal yang bereraat bebas. Banyanya ontras ortogonal yang apat bentu sebanya peralan antara banyanya ontras orthogonal ar fator e engan fator e. Dengan melalu u ontras apat tentuan bentu nteras an eraat ar polnomalnya []. Dengan menggabungan polnomal ar fator utama an fator nteras aan peroleh peneatan regres polnomal orthogonal. Bentu persamaan regres yang peroleh merupaan bentu fungs matemata engan ua peubah, sehngga engan menggunaan peneatan htung fferensal apat tentuan tt-tt yang mengoptmalan fungs tersebut (engan ata lan apat tentuan taraf fator ar masng-masng fator yang mengoptmalan respon yang amat). Dalam tulsan n penentuan ons optmum n lauan engan paet program Maple 6. Berasaran uraan tersebut atas maa tuuan penulsan ar maalah n aalah menentuan ontras-ontras orthogonal yang nyata ba untu fator utama maupun fator nteras sehngga apat tentuan bentu umum ar peneatan polnomal orthogonalnya engan menggunaan program SAS. Berasaran bentu yang peroleh peneatan persamaan regres polnomal lauan engan program MINITAB. enentuan taraf fator ar masng-masng fator yang mengoptmalan respon lauan engan paet program MALE 6. Sebaga contoh asus alam tulsan n plh percobaan fatoral engan rancangan asar rancangan aca elompo. Fator pertama (A) mempunya buah taraf fator, fator eua (B) mempunya buah taraf fator an percobaan lauan paa elompo yang berbea.

3 JURNAL MATEMATIKA DAN KOMUTER Vol.. No., -, Aprl, ISSN : -88. DISKRISI TEORITIS ercobaan fatoral engan rancangan asar rancangan aca elompo, fator A mempunya buah taraf fator, fator B mempunya buah taraf fator an percobaan lauan paa elompo yang berbea mempunya moel lner : µ κ β (β) ε,,..,;,,;,,....(.) Dengan : : observas paa taraf e fator A, taraf e fator B an elompo e µ : rataan umum κ β : pengaruh elompo e : pengaruh taraf e fator A : pengaruh taraf e fator B (β) : pengaruh nteras taraf e fator A an taraf e fator B ε : pengaruh galat percobaan. Dgunaan moel tetap engan asums : Σ ; Σ β ; Σ (β) Σ (β) ε menyebar normal engan rata-rata an varans σ ε. Data pengamatan apat saan sebaga berut : FAKTOR A FAKTOR B A B B B KELOMOK. A B B B Hpotesa yang apat ambl aalah :. H : κ ;,,; ( ta aa pengaruh elompo terhaap respon yang amat) H : palng set aa satu engan κ ; (aa pengaruh elompo terhaap respon yang amat). H : ;,,,,; ( ta aa pengaruh taraf e fator A terhaap

4 eneatan Regres olnomal (Tat Wharh) respon yang amat) H : palng set aa satu engan ; (aa pengaruh taraf e fator A terhaap respon yang amat). H : β ;,,, ; ( ta aa pengaruh taraf e fator B terhaap respon yang amat) H : palng set aa satu engan β ; (aa pengaruh taraf e fator B terhaap respon yang amat). H : (β) ; & ( ta aa pengaruh nteras taraf e fator A an taraf e fator B terhaap respon yang amat) H : palng set aa sepasang (, ) engan (β) ; (aa pengaruh taraf e fator A terhaap respon yang amat) erhtungan-perhtungan : Deraat bebas total. Deraat bebas elompo. Deraat bebas fator A Deraat bebas fator B. Deraat bebas nteras AB 8. Deraat bebas galat 8. Kuarat Tengah (KT) Jumlah Kuarat (JK) bag eraat bebasnya. Aapun rumus-rumus yang perluan untu menghtung Jumlah Kuarat (JK) aalah : FK... engan... JKT JKK JKA JKB JKAB...,, FK.. FK... engan x.. FK... engan x FK... engan x,...,,..,, FK JKA JKB... engan JK JKT JKK JKA JKB JKAB....,.

5 JURNAL MATEMATIKA DAN KOMUTER Vol.. No., -, Aprl, ISSN : -88 Berasaran perhtungan-perhtungan tersebut apat susun tabel ANOVA sebaga berut : Tabel. Tabel Anova. Sumber Varas Deraat Bebas JK KT F htung F tabel Kelompo A JKK JKA KTK KTA KTK/KT KTA/KT F ;8;() F ;8;() B JKB KTB KTB/KT F ;8;() AB 8 JKAB KTAB KTAB/KT F 8;8;() alat 8 JK KT Total JKT Krtera u : tola H a F htung > F tabel. Berasaran tabel tersebut apat tentuan fator mana saa yang nyata (sgnfcant) yang mempengaruh respon yang amat. Fator yang nyata tersebut emuan lauan u ontras orthogonal untu menentuan regres polnomal orthogonal peneatannya. Bla fator A nyata, maa apat bentu buah ontras arthogonal yatu Lner (A L ), Kuarat (A K ), Qubc (A C ), an Quart (A Q ). Koeffsen ar ontras-ontras apat tentuan berasaran tabel oeefsen polnomal orthogonal (Lampran ). Jumlah uarat fator A (JKA) apat pecah mena JKA L, JKA K, JKA C DAN JKA Q yang masng-masng bereraat bebas satu an car engan cara sebaga berut : Total taraf fator A Koeffsen ontras orthogonal Lner Kuarat Qubc Quart Effect : Σ C... EA L EA K EA C EA Q JK (effect) / (b.n. (EA L ) /(xx (EA ) /(x (EA C ) /(xx (EA Q ) /(xx Σ C ) ) x) ) 7) Bla fator B nyata, maa apat bentu ua buah ontras rothogonal yatu Lner (B L ) an Kuarat (B K ). Jumlah uarat fator B (JKB) apat

6 eneatan Regres olnomal (Tat Wharh) pecah mena JKB L an JKB K yang masng-masng bereraat bebas satu, an car engan cara sebaga berut : Total taraf fator B Koeffsen ontras orthogonal Lner Kuarat - - Effect : Σ C... EB L EB K JK (effect) / (a.n. Σ C ) (EB L ) / (xx) (EB K ) / (xx6) Bla fator nteras AB nyata, maa apat bentu 8 buah ontras orthogonal yatu : A L B L, A K B L, A C B L, A Q B L, A L B K, A K B K, A C B K an A Q B K. Jumlah uarat nteras AB (JKAB) pecah mena : JK(A L B L ), JK(A K B L ), JK(A C B L ), JK(A Q B L ), JK(A L B K ), JK(A K B K ), JK(A C B K ) an JK(A Q B K ) yang masng-masng bereraat bebas satu. enentuan umlah uarat ontras n ontras fator utama A an B, alam hal n beran salah satu lustras ontras ar nteras tersebut an yang lan tentuan secara analog, msalnya sn aan menentuan JK(A L B L ) sebaga berut : A L - - B L A L B L Σ C.. ()x. ()x. (-)x. ()x. ()x. (-)x. ()x. ()x. ()x. (-)x. ()x. ()x. (-)x. ()x. ()x. JK(A L B L ) (A L B L ) / (nxσ C ) (A L B L ) / (x(. ) (A L B L ) / (x) Tabel apat susun embal mena tabel berut : 6

7 JURNAL MATEMATIKA DAN KOMUTER Vol.. No., -, Aprl, ISSN : -88 Sumber Varas Kelompo A A L A K A C A Q B B L B K AB A L B L A K B L A C B L A Q B L A L B K A K B K A C B K A Q B K alat Tabel. Tabel Anova Der. Bebas JK KT F HITUN F TABEL () () (8) 8 JKK (JKA) JKA L JKA K JKA C JKA Q (JKB) JKB L JKB K (JKAB) JKA L B L JKA K B L JKA C B L JKA Q B L JKA L B K JKA K B K JKA C B K JKA Q B K JK KTA L KTA K KTA C KTA Q KTB L KTB K KTA L B L KTA K B L KTA C B L KTA Q B L KTA L B K KTA K B K KTA C B K KTA Q B K KT KTA L /KT KTA K /KT KTA C /KT KTA Q /KT KTB L /KT KTB K /KT KTA L B L /KT KTA K B L /KT KTA C B L /KT KTA Q B L /KT KTA L B K /KT KTA K B K /K T KTA C B K /KT KTA Q B K /K T F ;8;() Total JKT Dar tabel tersebut apat tentuan bentu an eraat polnomal orthogonal berasaran ontras-ontras yang nyata. Bentu umum polnomal orthogonal engan menotasan A sebaga an B sebaga aalah sebaga berut : 7

8 eneatan Regres olnomal (Tat Wharh) 8 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( ) ( ) ( ) ( ) 6 9) )( ( 7 : ) (,, a a a a a Dengan λ λ λ λ Dalam hal n : a banyanya taraf fator ara antar taraf fator λ tentuan alam tabel (lampran ).. CONTOH KASUS DENAN ALIKASI SAS DAN MINITAB. Suatu peneltan lauan untu mengetahu pengaruh aar pemupuan Ntrogen (N) engan taraf fator ; ; 6 ; 8 an g/ha an aar O engan taraf fator ; 6 an 8 g/ha terhaap prous serat enaf Hc 8 onversan alam ton/ha. ercobaan lauan paa tga elompo yang berbea [], peroleh ata sebaga berut :

9 JURNAL MATEMATIKA DAN KOMUTER Vol.. No., -, Aprl, ISSN : -88 Kaar N Kaar Kelompo Dengan menggunaan paet program SAS 6. peroleh, F htung untu aar N aalah.9, aar aalah.7 an nteras aar N* aalah.. Bla ambl %, apat smpulan : Aa pengaruh Kaar pemupuan N terhaap respon yang amat. Aa pengaruh Kaar pemupuan terhaap respon yang amat Aa pengaruh nteras antara aar pemupuan N an terhaap respon yang amat. Berasar u ontras engan taraf nyata % terlhat bahwa N lner, uarat, qubc nyata, lner an uarat nyata, untu fator nteras ta aa yang nyata, engan paet program mntab. peroleh persamaan regres peneatanya aalah : Serat N.8 N* -. N*. -. * Dar persamaan regres tersebut engan menggunaan htung fferensal peroleh bahwa N 8.6 an merupaan estrem masmum, engan ugaan serat paa tt tersebut aalah.67. 9

10 eneatan Regres olnomal (Tat Wharh) DAFTAR USTAKA. Matt, A. A, Ir.MSc.h.D an Sumertaaya, I. M, Ir. Ms, erancangan ercobaan Dengan Aplas SAS an Mntab, Jl, IB ress Bogor... Montgomery, D.C, Desgn An Analyss of Experments, Thr Eton, John Wley an Sons Inc, Sngapura, 99.. Sastrosupa, A.Dr.Ir.MS, Rancangan ercobaan rats Bang ertanan, Es Revs, enerbt Kansus, ogyaarta,.. SAS / STAT User s ue, Verson 6, Fourth Eton, SAS Insttute Inc. Cary, NC, USA, 99, Vol.. LAMIRAN. KOEFISIEN DARI OLINOMIAL ORTHOONAL N N N Σ{ ( )} 6 7 λ / /6 / N 6 N Σ{ ( )} λ / / 7/ 7/ /6 7/ 7/ 7/6

PENDEKATAN REGRESI POLINOMIAL ORTHOGONAL PADA RANCANGAN DUA FAKTOR (DENGAN APLIKASI SAS DAN MINITAB) Tatik Widiharih Jurusan Matematika FMIPA UNDIP

PENDEKATAN REGRESI POLINOMIAL ORTHOGONAL PADA RANCANGAN DUA FAKTOR (DENGAN APLIKASI SAS DAN MINITAB) Tatik Widiharih Jurusan Matematika FMIPA UNDIP PENDEKATAN REGRESI POLINOMIAL ORTHOGONAL PADA RANCANGAN DUA FAKTOR (DENGAN APLIKASI SAS DAN MINITAB) Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Pendekatan regresi polinomial orthogonal dapat

Lebih terperinci

EKSPEKTASI SATU PEUBAH ACAK

EKSPEKTASI SATU PEUBAH ACAK EKSPEKTASI SATU PEUBAH ACAK Dalam hal n aan dbahas beberapa macam uuran yang dhtung berdasaran espetas dar satu peubah aca, ba dsrt maupun ontnu, yatu nla espetas, rataan, varans, momen, fungs pembangt

Lebih terperinci

Karakterisasi Matrik Leslie Ordo Tiga

Karakterisasi Matrik Leslie Ordo Tiga Jurnal Graden Vol No Januar 006 : 34-38 Karatersas Matr Lesle Ordo Tga Mudn Smanhuru, Hartanto Jurusan Matemata, Faultas Matemata dan Ilmu Pengetahuan Alam, Unverstas Bengulu, Indonesa Dterma Desember

Lebih terperinci

Percobaan Rancangan Petak Terbagi dalam RAKL

Percobaan Rancangan Petak Terbagi dalam RAKL Percobaan Rancangan Petak Terbagi dalam RAKL Kuliah 12 Perancangan Percobaan (STK 222) rahmaanisa@apps.ipb.ac.id Review Kapan rancangan split-plot digunakan? Apakah perbedaan split-plot dibandingkan dengan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB PENDAHULUAN. Latar Belaang Masalah Analss regres merupaan lmu peramalan dalam statst. Analss regres dapat dataan sebaga usaha mempreds atau meramalan perubahan. Regres mengemuaan tentang engntahuan

Lebih terperinci

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.. Populas dan Sampel Populas adalah eseluruhan unt atau ndvdu dalam ruang lngup yang ngn dtelt. Banyanya pengamatan atau anggota suatu populas dsebut uuran populas, sedangan suatu nla

Lebih terperinci

Rancangan Petak Terpisah dalam RAL

Rancangan Petak Terpisah dalam RAL Rancangan Petak Terpisah dalam RAL KULIAH 11 PERANCANGAN PERCOBAAN (STK222) rahmaanisa@apps.ipb.ac.id Latar Belakang Sejarah : Rancangan ini awalnya berkembang pada bidang pertanian (Montgomery, 1997;

Lebih terperinci

BAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan

BAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan BAB III MODEL LINEAR TERGENERALISASI 3.1 Moel Lnear Perkembangan pemoelan stokastk, terutama moel lner, apat katakan mula paa aba ke 19 yang asar oleh teor matematka yang elaskan antaranya oleh Gauss,

Lebih terperinci

Rancangan Petak Terbagi

Rancangan Petak Terbagi Rancangan Peta Terbagi Ade Setiawan 009 Percobaan Split-plot merupaan superimpose dari dua jenis satuan percobaan dimana rancangan lingungan untu eduanya bisa sama ataupun berbeda. Satuan percobaan untu

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI 65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata

Lebih terperinci

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA BAB V MOEL SEERHANA ISTRIBUSI TEMPERATUR AN SIMULASINYA Model matemata yang terdapat pada bab sebelumnya merupaan model umum untu njes uap pada reservor dengan bottom water. Model tersebut merupaan model

Lebih terperinci

BAB II TEORI DASAR. Analisis Kelompok

BAB II TEORI DASAR. Analisis Kelompok BAB II TORI DASAR II.. Analss Kelompo Istlah analss elompo pertama al dperenalan oleh Tryon (939). Ia memperenalan beberapa metode untu mengelompoan obye yang meml esamaan araterst (statsoft, 004). Kesamaan

Lebih terperinci

SOLUSI TUGAS MATA KULIAH STATISTIKA II

SOLUSI TUGAS MATA KULIAH STATISTIKA II SOLUSI TUGAS MATA KULIAH STATISTIKA II SOAL : Suatu Peneltan dlakukan untuk menelaah empat metode pengajaran, yatu Metode A (ceramah d kelas), Metode B (mengajak dskus langsung dengan sswa), Metode C (ceramah

Lebih terperinci

Rancangan Blok Terpisah (Split Blok)

Rancangan Blok Terpisah (Split Blok) Rancangan Blok Terpisah (Split Blok) KULIAH 13 PERANCANGAN PERCOBAAN (STK 222) rahmaanisa@apps.ac.id Rancangan Split Blok Kedua faktor merupakan petak utama Pengaruh yang ditekankan adalah pengaruh interaksi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Searah Sngkat Perkembangan Metoda Perancangan Percobaan Metoda perancangan percobaan banyak dlakukan d berbaga bdang lmu, terutama dbdang pertanan dan bolog. Msalnya dengan pupuk tanaman

Lebih terperinci

PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP

PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN. Rita Rahmawati Program Studi Statistika FMIPA UNDIP PENELUSURAN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK DENGAN INTERGRADIEN Rta Rahmawat Program Stud Statstka FMIPA UNDIP Abstrak Dalam Rancangan Acak Kelompok Lengkap (RAKL), asums terpentng adalah

Lebih terperinci

PEMBANDINGAN TERENCANA

PEMBANDINGAN TERENCANA PEMBANDINGAN TERENCANA Uj Perbandngan Berganda Uj Bonferron Memungknkan membuat perbandngan antar perlakuan, antara perlakuan dengan kelompok perlakuan, atau antar kelompok perlakuan Msalnya: Ada empat

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh BAB LANDASAN TEORI. Analss Regres Untu mengetahu pla perubahan nla suatu varabel yang dsebaban leh varabel lan dperluan alat analss yang memungnan ta unut membuat perraan nla varabel tersebut pada nla

Lebih terperinci

Percobaan Faktor Tunggal (RAL, RAKL, RBSL)

Percobaan Faktor Tunggal (RAL, RAKL, RBSL) Percoaan Faktor Tunggal RAL, RAKL, RBSL Faktor Tunggal Dalam RAKL Rancangan Acak Kelompok Lengkap Karakterstk Rancangan Perlakuan yang dcoakan merupakan taraftaraf dar satu faktor tertentu Faktor-faktor

Lebih terperinci

Mekanika Lagrangian (Fowles) Mekanika Lagrangian. , q n. q 3 ) ) ) ke nilai tetangga (q 1

Mekanika Lagrangian (Fowles) Mekanika Lagrangian. , q n. q 3 ) ) ) ke nilai tetangga (q 1 Meana Lagrangan (Fowles) Supar Meana Lagrangan Melalu meana Lagrangan n persamaan gera Newton untu sstem seerhana aan beran engan lebh sphstcate. Koornat Umum Poss partel alam ruang apat tentuan melalu

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB

Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software

Lebih terperinci

PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES

PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES Prosng Semnar Nasonal Matematka an Penkan Matematka (SESIOMADIKA) 017 ISBN: 978-60-60550-1-9 Statstka, hal. 14-18 PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES NENENG SUNENGSIH

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

Percobaan Dua Faktor: Percobaan Faktorial. Arum Handini Primandari, M.Sc.

Percobaan Dua Faktor: Percobaan Faktorial. Arum Handini Primandari, M.Sc. Percobaan Dua Faktor: Percobaan Faktorial Arum Handini Primandari, M.Sc. Pendahuluan Dalam berbagai bidang penerapan perancangan percobaan diketahui bahwa respon dari individu merupakan akibat dari berbagai

Lebih terperinci

Oleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran

Oleh : Enny Supartini Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjadjaran Abstrak MENGESTIMASI BEBERAPA DATA HILANG (MISSING DATA) DAN ANALISIS VARIANS UNTUK RANCANGAN BLOK ACAK SEMPURNA Oleh : Enny Supartn Departemen Statstka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN Mater #13 Genap 016/017 6 6 3 - T a u f q u r R a c h m a n 6 6 3 - T a u f q u r R a c h m a n Mater #13 TIN309 DESAIN EKSPERIMEN Prnsp Dasar ANCOVA merupakan teknk analss yang berguna untuk menngkatkan

Lebih terperinci

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE Dew Arfanty Azm, Dra.Madu Ratna,M.S. dan 3 Prof. Dr.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran

Lebih terperinci

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda KOLINEARITAS GANDA MULTICOLLINEARIT Oleh Bambang Juanda Model: = X + X + + X + ε. Hubungan Lnear Sempurna esa, Ja C X 0 C onstanta yg td semuanya 0. Mudah detahu rn td ada dugaan parameter oef dgn OLS,

Lebih terperinci

ANALISIS KOVARIANSI part 2

ANALISIS KOVARIANSI part 2 ANALISIS KOVARIANSI part Analss Kovarans merupakan suatu analss statstka untuk mengetahu pengaruh satu atau lebh varabel bebas terhadap varable terkat dengan memperhatkan satu atau lebh varable konkomtan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaang Analss dsrmnan merupaan ten menganalss data, dmana varabel dependen merupaan data ategor ( nomnal dan ordnal ) sedangan varabel ndependen berupa data nterval atau raso.msalnya

Lebih terperinci

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT.

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT. ROGRAM STUDI ERENCANAAN WILAYAH DAN KOTA METODE ANALISIS ERENCANAAN TL SKS DR Ir Ken Martna K, MT KULIAH KE METODA KELOMOK (COHORT SURVIVAL METHOD) Merupaan salah satu metode proyes pendudu endudu delompoan

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

RANCANGAN ACAK KELOMPOK TAK LENGKAP (Incomplete Block Design) Dr.Ir. I Made Sumertajaya, M.Si Departemen Statistika-FMIPA IPB 2007

RANCANGAN ACAK KELOMPOK TAK LENGKAP (Incomplete Block Design) Dr.Ir. I Made Sumertajaya, M.Si Departemen Statistika-FMIPA IPB 2007 RANCANGAN ACAK KELOMPOK TAK LENGKAP (Incomplete Block Desgn) Dr.Ir. I Made Sumertajaya, M.S Departemen Statstka-FMIPA IPB 007 Revew Rancangan Acak Kelompok Kta ngn membandngkan t perlakuan Pengelompokan

Lebih terperinci

PERCOBAAN MENGGUNAKAN SPLIT PLOT DENGAN RANCANGAN DASAR RAK RANCANGAN PERCOBAAN

PERCOBAAN MENGGUNAKAN SPLIT PLOT DENGAN RANCANGAN DASAR RAK RANCANGAN PERCOBAAN PERCOBAAN MENGGUNAKAN SPLIT PLOT DENGAN RANCANGAN DASAR RAK RANCANGAN PERCOBAAN Kelompok 11 : Devita Arum S. 12110101015 Saiful Fadillah 12110101027 Wafiyatul Khusna 12110101047 Firstyan Puguh N.C. 12110101051

Lebih terperinci

Analisis Varians = Analysis of Variance = ANOVA

Analisis Varians = Analysis of Variance = ANOVA . Pendahuluan. Distribusi F Analisis Varians Analysis of Variance ANOVA χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

Lebih terperinci

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n

Lebih terperinci

Pengacakan dan Tata Letak

Pengacakan dan Tata Letak Pengacakan dan Tata Letak 26 Pengacakan dan Tata Letak Pengacakan bisa dengan menggunakan Daftar Angka Acak, Undian, atau dengan perangkat komputer (bisa dilihat kembali pada pembahasan RAL/RAK/RBSL satu

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata Probabltas dan Statsta Dsrt Adam Hendra Brata Unform Bernoull Multnomal Setap perstwa aan mempunya peluangnya masng-masng, dan peluang terjadnya perstwa tu aan mempunya penyebaran yang mengut suatu pola

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode BAB III ANALISIS DISKRIMINAN 3. Analss Dsrmnan Analss dsrmnan (dscrmnant analyss) merupaan salah satu metode yan dunaan dalam analss multvarat. Dalam analss dsrmnan terdapat dua jens varabel yan terlbat

Lebih terperinci

BAB II DIMENSI PARTISI

BAB II DIMENSI PARTISI BAB II DIMENSI PARTISI. Defns dasar dan eteratannya dengan metrc dmenson Dalam pembahasan dmens parts, graf yang dbahas adalah graf terhubung sederhana dan tda meml arah. Sebelum mendefnsan graf yang dgunaan

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK

EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK Prosdng SPMIPA. pp. 147-15. 006 ISBN : 979.704.47.0 EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK Rta Rahmawat, I Made Sumertajaya Program Stud Statstka Jurusan Matematka FMIPA

Lebih terperinci

TEORI KESALAHAN (GALAT)

TEORI KESALAHAN (GALAT) TEORI KESALAHAN GALAT Penyelesaan numerk dar suatu persamaan matematk hanya memberkan nla perkraan yang mendekat nla eksak yang benar dar penyelesaan analts. Berart dalam penyelesaan numerk tersebut terdapat

Lebih terperinci

BAB 1 RANGKAIAN TRANSIENT

BAB 1 RANGKAIAN TRANSIENT BAB ANGKAIAN TANSIENT. Penahuluan Paa pembahasan rangkaan lstrk, arus maupun tegangan yang bahas aalah untuk kons steay state/mantap. Akan tetap sebenarnya sebelum rangkaan mencapa keaaan steay state,

Lebih terperinci

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan : Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan

Lebih terperinci

BAB III MODUL INJEKTIF

BAB III MODUL INJEKTIF BAB III ODUL INJEKTIF Bab n adalah bab yang palng pentng arena bab n bers mula dar hal-hal dasar mengena modul njet sampa sat-sat stmewanya yang tda dml oleh modul lan yang tda njet, yang merupaan ous

Lebih terperinci

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1)

MODEL REGRESI SEMIPARAMETRIK SPLINE UNTUK DATA LONGITUDINAL PADA KASUS KADAR CD4 PENDERITA HIV. Lilis Laome 1) Paradgma, Vol. 13 No. 2 Agustus 2009 hlm. 189 194 MODEL REGRESI SEMIPARAMERIK SPLINE UNUK DAA LONGIUDINAL PADA KASUS KADAR CD4 PENDERIA HIV Lls Laome 1) 1) Jurusan Matemata FMIPA Unverstas Haluoleo Kendar

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

PENGKAJIAN BEBERAPA ALGORITMA UNTUK MENGEVALUASI DAN MENGHITUNG LOSSES ENERGI PADA SISTEM DISTRIBUSI TENAGA LISTRIK

PENGKAJIAN BEBERAPA ALGORITMA UNTUK MENGEVALUASI DAN MENGHITUNG LOSSES ENERGI PADA SISTEM DISTRIBUSI TENAGA LISTRIK PENGKAJIAN BEBERAPA AGORITMA UNTUK MENGEVAUASI DAN MENGHITUNG OSSES ENERGI PADA SISTEM DISTRIBUSI TENAGA ISTRIK Hamzah Hlal Jl. MH. Thamrn No. 8 Geung II anta 0,, PTKKE-Deput Bang TIEM BPPT E-mal: taura889@yahoo.com

Lebih terperinci

(DS.2) MENENTUKAN STATISTIK PENGUJIAN UNTUK EKSPERIMEN FAKTORIAL DENGAN DUA KALI PEMBATASAN PENGACAKAN (Studi kasus untuk Desain Split Plot)

(DS.2) MENENTUKAN STATISTIK PENGUJIAN UNTUK EKSPERIMEN FAKTORIAL DENGAN DUA KALI PEMBATASAN PENGACAKAN (Studi kasus untuk Desain Split Plot) (DS.) MENENTUKAN STATISTIK PENGUJIAN UNTUK EKSPERIMEN FAKTORIAL DENGAN DUA KALI PEMBATASAN PENGACAKAN (Stud kasus untuk Desan Splt Plot) Sr Mulyan Sanro Dra, M.Stat, Enny Supartn Dra, MS. Jurusan Statstka

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

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. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

Rancangan Petak Berjalur

Rancangan Petak Berjalur Rancangan Petak Berjalur Ade Setiawan 009 Nama lain untuk Rancangan Split-Blok adalah Strip-Plot atau Rancangan Petak-Berjalur (RPB. Rancangan ini sesuai untuk percobaan dua faktor dimana ketepatan pengaruh

Lebih terperinci

Rancangan Petak-petak Terbagi (RPPT)

Rancangan Petak-petak Terbagi (RPPT) Rancangan Petak-petak Terbagi (RPPT) Ade Setiawan 009 Rancangan Petak-Petak Terbagi (RPPT/Split-split Plot) merupakan perluasan dari Rancangan Petak Terbagi (RPT). Pada RPT kita hanya melakukan percobaan

Lebih terperinci

PERCOBAAN FAKTORIAL: RANCANGAN ACAK LENGKAP. Arum Handini Primandari

PERCOBAAN FAKTORIAL: RANCANGAN ACAK LENGKAP. Arum Handini Primandari PERCOBAAN FAKTORIAL: RANCANGAN ACAK LENGKAP Arum Handini Primandari PENDAHULUAN Dalam berbagai bidang penerapan perancangan percobaan diketahui bahwa respon dari individu merupakan akibat dari berbagai

Lebih terperinci

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1

Pembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1 Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc.

Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc. Percobaan Satu Faktor: Rancangan Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc. Rancangan Bujur Sangkar Latin (RBSL) Pada kondisi-kondisi tertentu, keheterogenan unit percobaan tidak

Lebih terperinci

b) Sebaliknya : interaksi kalor antara sistem dan lingkungan yang harus berlangsung kuasistatik dan disertai kenaikan suhu,

b) Sebaliknya : interaksi kalor antara sistem dan lingkungan yang harus berlangsung kuasistatik dan disertai kenaikan suhu, I. KALOR DAN HKM KE-1 1.1 Kalor Dketahu ua sstem paa suhu berbea. Apabla kontakkan satu engan yang lan melalu nng atermk, ketahu bahwa suhu keua sstem akan berubah seemkan rupa sehngga akhrnya menja sama.

Lebih terperinci

Analisis Sensitivitas

Analisis Sensitivitas Analss Senstvtas Terdr dar aa : Analss Senstvtas, bla terad perubahan paraeter seara dsrt Progra Lnear Paraetr, bla terad perubahan paraeter seara ontnu Maa-aa perubahan pasa optu: Perubahan suu tetap,

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.

Lebih terperinci

Regresi Linear Sederhana dan Korelasi

Regresi Linear Sederhana dan Korelasi Regres Lnear Sederhana dan Korelas 1. Model Regres Lnear. Penaksr Kuadrat Terkecl 3. Predks Nla Respons 4. Inferens Untuk Parameter-parameter Regres 5. Kecocokan Model Regres 6. Korelas Utrwen Mukhayar

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 8 ANOVA (2)

STK511 Analisis Statistika. Pertemuan 8 ANOVA (2) STK5 Analss Statstka Pertemuan 8 ANOVA () 8. ANOVA () Dagnoss Model Hpotess Klasfkas satu arah : Y atau Y j j j j Klasfkas dua arah : Yj j j??? Pengaruh perlakuan: H 0 : = 0 H : palng sedkt ada satu dmana

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

Perancangan Percobaan

Perancangan Percobaan Perancangan Percobaan Ade Setiawan 009 Faktorial Faktor Pengertian dasar Faktor Taraf Perlakuan (Treatment) Respons Layout Percobaan & Pengacakan Penyusunan Data Analisis Ragam Perbandingan Rataan Ade

Lebih terperinci

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK SENIN, 9 JANUARI OPEN BOOK WAKTU MENIT KLAS B DAN KLAS C PETUNJUK Istarto ttp://starto.staff.ugm.ac. starto@ugm.ac. ) Sauara bole menggunaan omputer untu mengerjaan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah BAB III METODOLOGI PENELITIAN 3.1 Varans Peneltan 3.1.1 Varabel Peneltan Peneltan n mengenal dua macam varabel yatu : 1. Varabel bebas (X) yatu : Berpr formal. Varabel terat (Y) yatu : Hasl belajar Sejarah

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD ORBITH Vl. 7 N. 3 Nvember 11: 366-37 ENGUJIAN ROORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN ENDEKATAN DISTRIBUSI BINOMIAL TERHADA DISTRIBUSI NORMAL STANDARD Oleh: Endang Tryan Staf engajar

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 9 ANOVA (3)

STK511 Analisis Statistika. Pertemuan 9 ANOVA (3) STK511 Analisis Statistika Pertemuan 9 ANOVA (3) 9. ANOVA (3) Diagnosis Asumsi dalam Uji Hipotesis 1. bersifat bebas terhadap sesamanya. Nilai harapan dari nol, E 0 3. Ragam homogen, Var 4. Pola sebaran

Lebih terperinci

KONSEP NILAI HARAPAN KUADRAT TENGAH

KONSEP NILAI HARAPAN KUADRAT TENGAH ROZA AZIZAH PRIMATIKA, M.Si KONSEP NILAI HARAPAN KUADRAT TENGAH Pengantar Salah satu komponen penting dalam perancangan percobaan adalah analisis ragam (anova) Komponen utama dalam menyusun analisis ragam

Lebih terperinci

STATISTICAL STUDENT OF IST AKPRIND

STATISTICAL STUDENT OF IST AKPRIND E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan

Lebih terperinci

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw

Oleh : Harifa Hanan Yoga Aji Nugraha Gempur Safar Rika Saputri Arya Andika Dumanauw Oleh : Harfa Hanan Yoga A Nugraha Gemur Safar ka Sautr Arya Andka Dumanau Dosen : Dr.rer.nat. Ded osad, S.S., M.Sc. Program Stud Statstka Fakultas Matematka dan Ilmu Pengetahuan Alam Unverstas Gadah Mada

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums

Lebih terperinci

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN METODE PEMBELAJARAN Sebelum suatu Jarngan Neural Buatan (JNB) dgunaan untu menglasfasan pola, terlebh dahulu dlauan proses pembelaaran untu menentuan strutur arngan, terutama dalam penentuan nla bobot.

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

BAB III METODE PENELITIAN. Lokasi yang dijadikan tempat dalam penelitian ini adalah Tempat

BAB III METODE PENELITIAN. Lokasi yang dijadikan tempat dalam penelitian ini adalah Tempat BAB III METODE PENELITIAN 3.1 Loasi an Watu Penelitian 3.1.1 Loasi penelitian Loasi yang ijaian tempat alam penelitian ini aalah Tempat Pelelangan Ian (TPI) Kota Gorontalo. 3.1. Watu penelitian Penelitian

Lebih terperinci

3 METODOLOGI. Sumber: Google maps (2011) Gambar 9. Lokasi penelitian

3 METODOLOGI. Sumber: Google maps (2011) Gambar 9. Lokasi penelitian 3 METODOLOGI 3.1 Waktu dan Tempat Penelitian dilaksanakan dengan pengumpulan data di lapangan sejak tanggal 16 Agustus 2011 hingga 31 September 2011 di Desa Kertajaya, Palabuhanratu, Kabupaten Sukabumi,

Lebih terperinci

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.

Contoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi. BAB V TEOEMA-TEOEMA AGKAIA 5. Teorema Superposs Teorema superposs bagus dgunakan untuk menyelesakan permasalahan-permasalahan rangkaan yang mempunya lebh dar satu sumber tegangan atau sumber arus. Konsepnya

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 23-32, April 2001, ISSN : JRNAL MATEMATIKA DAN KOMPTER Vol 4 No 1, 3-3, Aprl 1, ISSN : 141-51 KAJIAN DISKRETISASI DENGAN METODE GALERKIN SEMI DISKRET TERHADAP EFISIENSI SOLSI MODEL RAMBATAN PANAS TANPA SK KONVEKSI Suhartono dan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang

Lebih terperinci

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan

Lebih terperinci