Rancangan Percobaan Campuran Yang Optimum Pada Model Permukaan Multirespon Untuk Kasus Pembuatan Pupuk Bokashi ABSTRAK

Ukuran: px
Mulai penontonan dengan halaman:

Download "Rancangan Percobaan Campuran Yang Optimum Pada Model Permukaan Multirespon Untuk Kasus Pembuatan Pupuk Bokashi ABSTRAK"

Transkripsi

1 Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 9 Rancangan Percobaan Campuran Yang Optimum Pada Model Permukaan Multirespon Untuk Kasus Pembuatan Pupuk Bokashi Ruslan, Susanti L, Purhadi, Sony S, dan 3 Sri Nur Hatika Mahasiswa S3 pada Jurusan Statistika FMIPA-ITS Staf Pengajar pada Jurusan Statistika FMIPA-ITS 3 Staf Pengajar pada Jurusan Biologi FMIPA-ITS ABSTRAK Rancangan percobaan campuran merupakan suatu rancangan percobaan yang memiliki kendala kendala tertentu dalam pengerjaannya. Rancangan percobaan yang melibatkan sejumlah variabel respon yang diukur dari sejumlah variabel bebas disebut model permukaan multirespon. Pada model permukaan multirespon untuk rancangan percobaan campuran akan ditentukan bagaimana matriks rancangan percobaan campuran yang optimum sehingga rancangan percobaan campuran pada model permukaan multirespon tersebut menjadi optimum berdasarkan kriteria optimum-d. Rancangan percobaan campuran yang optimum pada model permukaan multirespon akan diterapkan pada pembuatan pupuk bokashi dari limbah daun, rumput dengan berbagai macam komposisi, pupuk kandang, sekam, bekatul, molase, EM-4, dan air sumur secukupnya. Pada makalah ini akan ditentukan rancangan percobaan campuran yang optimum berdasarkan kriteria optimum D dan membandingkan komposisi 5::: dan 5:3:::. Kata Kunci : Model Permukaan Multirespon, Rancangan Percobaan Campuran, Kriteria optimum-d, Pupuk Bokashi. Pendahuluan Sampah di lingkungan sekitar kita khususnya sampah dari daun tanaman trembesi, daun sono, daun akasia, daun pisang, rumput dan lain-lain yang melimpah dan kurang dimanfaatkan, padahal mengandung banyak unsur karbon, hidrogen, nitrogen dan kadangkadang sulfur dan fosfor yang mudah terdegradasi oleh mikroorganisme dan sangat diperlukan dalam pertumbuhan tanaman (Grady dan Lim, 98). Sampah di lingkungan dapat dirubah menjadi suatu pupuk yang bermamfaat bagi lingkungan. Pupuk tersebut dinamakan pupuk organik, Jika pupuk organik yang dibuat dengan menambahkan efektif mikroorganisme (EM), maka pupuk organik tersebut dikenal dengan nama Pupuk Bokashi EM. Sampai saat ini belum ditemukan komposisi, pupuk kandang, sekam, bekatul, molase, EM-4, dan air sumur secukupnya yang menghasilkan pupuk bokashi dengan

2 kandungan NPK yang optimum. Sehingga permasalahan yang akan diteliti adalah bagaimana membuat pupuk bokashi dari limbah daun, rumput dengan berbagai macam komposisi, pupuk kandang, sekam, bekatul, molase, EM-4, dan air sumur secukupnya yang menghasilkan kandungan NPK yang optimum. Untuk melakukan percobaan di atas maka perlu suatu rancangan percobaan yang sesuai. Rancangan yang diusulkan adalah rancangan percobaan campuran yaitu rancangan percobaan yang mengasumsikan bahwa perbedaan respon yang teramati antar perlakuan hanya dipengaruhi oleh perbedaan proporsi dari setiap komponen pada campuran tersebut bukan banyaknya komponen pada campuran dan memiliki kendala jumlah proporsi komponen harus sama dengan satu dan bernilai paling sedikit nol (Cornel, 98). Untuk rancangan percobaan campuran yang melibatkan faktor-faktor yang bersifat kuantitatif dari model percobaan yang telah ditentukan sebelumnya seringkali menetapkan taraf faktornya berdasarkan keinginan peneliti saja atau coba-coba. Hasilnya kemungkinan besar akan menimbulkan variansi penaksir respon yang besar. Untuk itu diperlukan suatu metode yang dapat menanganinya supaya menghasilkan variansi penaksir respon yang minimum yaitu rancangan percobaan optimum. Terdapat berbagai kriteria optimum, diantaranya adalah kriteria optimum-d. Kriteria optimum-d adalah suatu kriteria yang berupaya mendapatkan matriks rancangan sehingga determinan dari matriks informasi maksimum yang membuat variansi penaksir variabel respon minimum. Pada makalah ini bertujuan untuk menentukan rancangan percobaan campuran yang optimum berdasarkan kriteria optimum D pada kasus pembuatan pupuk Bokashi. Rancangan Percobaan Campuran Dalam percobaan campuran jika x i merupakan proporsi komponen ke-i dalam campuran dimana banyaknya komponen adalah q, maka: x i dengan i =,,...,q () q i x x x... x = () i q Rancangan simpleks lattice merupakan bagian dari rancangan percobaan campuran yang memiliki pola simpleks {q,m} dimana q adalah banyaknya komponen dan m adalah derajat polinomial. Banyaknya titik-titik rancangan untuk rancangan simpleks lattice pada q komponen dan m derajat polinomial yaitu: (Cornel, 98). q m (q m )! m m!(q )! (3)

3 Rancangan Percobaan Campuran Simpleks Lattice Optimum Pada Model Permukaan Multirespon Untuk memperoleh matriks rancangan percobaan campuran yang optimum pada model permukaan multirespon akan digunakan kriteria optimum D. Suatu rancangan optimum D adalah suatu rancangan yang memaksimumkan X T X dari suatu model yang sesuai. Atau berupaya meminimumkan (X T X) -. Sehingga rancangan optimum D mempunyai : variansi dari penaksir parameter yang kecil, korelasi antar penaksir parameter yang kecil, dan variansi penaksir respon yang kecil. Jika melibatkan sejumlah variabel respon yang diukur dari sejumlah faktor dinamakan model permukaan multirespon, model permukaan multirespon pada rancangan simpleks lattice orde satu yaitu: Y ~ r ~ X r r ~ r, untuk r =,,...,p. dimana r adalah banyaknya respon. yaitu : q i Sedangkan model orde satu rancangan simpleks lattice dalam bentuk nilai harapan ix i Suatu rancangan percobaan campuran akan optimum jika diberikan pembobot yang memiliki nilai berdasarkan pada determinan X T WX dimana W adalah suatu matriks diagonal dengan elemen w i untuk w i dan q i w i =. Misalkan q adalah banyaknya komponen atau faktor, r adalah banyaknya respon, s adalah banyaknya replikasi dan m adalah derajat polinomial, maka untuk i = pada model orde satu m = titik rancangan sebanyak yaitu : (, ) dan (, ), sehingga matriks rancangan X = Jika diberi pembobotan yaitu w i adalah nilai pembobot dengan nilai yang sama yaitu w i = w dan memenuhi w i dan w = dimana W adalah matriks diagonal dengan elemenelemennya w i. i i. 3

4 Maka X T WX = maka Y ~ Y ~Y~ y y y y adalah (I X T WX) = w w = w w. Untuk r =, dan matriks rancangan untuk kasus multirespon tanpa replikasi w w w w,dengan menggunakan kriteria optimum D sehingga det(i X T WX) = w (-w). Maka rancangan akan (det( I T X WX)) (w ( w) ) w w optimum w( w) w..( w)( ) (w ( diperoleh nilai pembobot w = ½ dan T (det( I X WX)) w = ((-w) + w()(-w)(-))- ((4w(-w)+ w (-)) = 6w 6w + untuk w = ½ adalah 6(/) -6(/) + = -/ < menunjukan bahwa memberikan w = ½ maka rancangan akan optimum. Dengan langkah pengerjaan yang sama diperoleh untuk r =3 adalah w = /3, sehingga untuk r = p dan i = q pada m = sehingga diperoleh w = /q dengan asumsi nilai tarap faktor yang diboboti sama. Dengan melibatkan replikasi sebanyak s, untuk q = 3 pada m =, titik-titik percobaannya adalah : (,, ), (,, ), (,, ) maka matriks rancangannya adalah : X = X T WX = w, dengan replikasi s =,maka X = w 4w. Untuk s = 3 diperoleh X T WX = diagonal{3w,3w,-6w}, s = 4 diperoleh X T WX = diagonal { 4w, 4w, -8w}, untuk s = s diperoleh X T WX = diagonal{ sw, sw, -sw}., w w) ) 4

5 Untuk r = diperoleh w =. Untuk r =3, rancangan akan optimum jika w = 3s 3s, untuk r = p, w =. Jadi untuk q = 3 pada m = dengan replikasi ke f dan respon ke r dimana f = 3s,,...,s dan r =,,..., r maka rancangan akan optimum jika diboboti tiap titik rancangan dengan nilai bobot yang sama pada w =.Untuk q = 4 akan optimum jika w = 3s 4s. Untuk i = q pada m = dengan r = p dan f = s,diperoleh w =, maka rancangan akan qs optimum jika w = dengan asumsi bahwa nilai bobot yang sama diberikan pada tiap titik qs rancangan. Analisis statistika untuk uji Manova pada Komposisi dan Bahan (Sampah Daun) pada Pupuk Bokashi. Pupuk bokashi yang dihasilkan dengan memberikan pengulangan sebanyak pada tiap titik rancangan sesuai hasil teori di atas supaya rancangan percobaan campurannya optimum dengan komposisi 5::: dan 5:3::, sehingga diperlukan suatu uji untuk melihat apakah ada perbedaan secara statistika dari kedua komposisi tersebut. Analisis yang sesuai adalah uji MANOVA (Multi variate Analisis of Variance). Hipotesis untuk melihat ada tidaknya perbedaan antara dua komposisi tersebut adalah: H : Tidak terdapat perbedaan antara dua komposisi tersebut H : Terdapat perbedaan antara dua komposisi tersebut Uji bersifat signifikan atau H ditolak jika nilai dari F hitung lebih besar dibandingkan dengan nilai F tabel dengan taraf signifikansi α atau nilai peluang (P) lebih kecil dari taraf signifikansi. Hasil dari analisis tersebut berdasarkan keluaran dari perangkat lunak Minitab versi 6. diperoleh seperti pada Tabel. Interpretasi dari Tabel adalah dari ketiga uji menunjukan bahwa uji bersifat non signifikan artinya tidak ada perbedaan secara nyata antara kedua komposisi tersebut. Sehingga dapat diartikan bahwa untuk penelitian lanjutan dapat dilakukan dengan memilih salah satu dari kedua komposisi tersebut, karena tidak berbeda satu sama lain secara statistika. Tabel. Hasil uji Manova untuk uji komposisi. Kriteria Statistik F df P uji Num Denom Wilk s,593 3,98 3 4,8 Lawley-Hotelling,985 3,98 3 4,8 Pillai s,7497 3,98 3 4,8 5

6 Roy s,985 Sedangkan uji untuk melihat ada tidaknya perbedaan bahan (tiga jenis sampah daun) digunakan hipotesis sebagai berikut: H : Tidak terdapat perbedaan antara bahan (tiga jenis sampah daun) H : Terdapat perbedaan antara bahan (tiga jenis sampah daun) Uji bersifat signifikan atau H ditolak jika nilai dari F hitung lebih besar dibandingkan dengan nilai F tabel dengan taraf signifikansi α atau nilai peluang (P) lebih kecil dari taraf signifikansi. Hasil dari analisis tersebut berdasarkan keluaran dari perangkat lunak Minitab versi 6. diperoleh seperti pada Tabel. Tabel. Hasil uji Manova untuk uji bahan (tiga jenis sampah daun) Kriteria Statistik F df P uji Num Denom Wilk s,756 3,99 6 8, 7 Lawley-Hotelling 98,376 49,8 6 6, 6 Pillai s,476,74 6,78 Roy s 98,3776 Interpretasi dari Tabel adalah berdasarkan ketiga uji baik Wilks dan Lawley hotelling terlihat bahwa P value lebih kecil dibandingkan taraf signifikansi (.5) ini memberikan arti bahwa terdapat perbedaan pada bahan ( tiga jenis sampah daun) yang digunakan dalam rancangan percobaan campuran simpleks lattice orde satu dari pupuk bokashi secara signifikan. Sedangkan pada uji Pillai s dengan taraf signifikansi.5 uji bersifat non signifikan. Untuk melihat terdapatnya interaksi antara bahan (tiga jenis sampah daun) dan komposisi dapat digunakan hipotesis sebagai berikut: H : Tidak terdapat perbedaan secara nyata akibat interaksi antara bahan (tiga jenis sampah daun) dan komposisi. H : Terdapat perbedaan secara nyata akibat interaksi antara bahan (tiga jenis sampah daun) dan komposisi. Uji bersifat signifikan atau H ditolak jika nilai dari F hitung lebih besar dibandingkan dengan nilai F tabel dengan taraf signifikansi α atau nilai peluang (P) lebih kecil dari taraf signifikansi. Hasil dari analisis tersebut berdasarkan keluaran dari perangkat lunak Minitab versi 6. diperoleh seperti pada Tabel 3. 6

7 Tabel 3. Hasil uji Manova untuk uji interaksi bahan dengan komposisi Kriteria Statistik uji F df P Num Denom Wilk s, ,77 Lawley-Hotelling,8888, ,87 Pillai s,536,59 6,73 Roy s,8448 Interpretasi dari Tabel 3 adalah dari ketiga uji tersebut tidak menunjukan adanya perbedaan secara nyata akibat interaksi bahan dan komposisi karena nilai P lebih besar dibandingkan taraf signifikansi. Hasil uji pada Tabel 3 menunjukan bahwa model persamaan dalam bentuk orde satu atau model linier tidak sesuai terhadap respon-respon yang dilibatkan yaitu kadar Nitrogen (Y ), Phosfat (Y ) dan Kalium (Y 3 ). Model permukaan multirespon orde satu tidak sesuai sehingga percobaan perlu dilanjutkan ke orde yang lebih tinggi yaitu orde dua. Kesimpulan Rancangan percobaan campuran optimum pada model permukaan multirespon akan terjadi jika diberikan pembobotan sebesar w = artinya tiap titik percobaan yang qs dilakukan akan diberi pengulangan sebanyak banyaknya titik percobaan dibagi banyaknya q(komponen) dan pengulangan (s) yang diberikan. Komposisi 5::: dan 5:3:: pada pembuatan pupuk bokashi tidak berbeda secara statistik, oleh karena itu dalam pembuatannya dapat digunakan salah satu komposisi tersebut. Daftar Pustaka Atkinson dan Donev (99), Optimum Experimental Design, Clarendon Oxford Science Publication. Christensen R (99), Linear Models for Multivariate, Time Series and Spatial Data, Springer Verlag, New York Inc. Cornel (98), Experiment With Mixture, John Wiley & Sons, New York. 7

8 Grady dan Lim (98), Biological Wastewater Treatment-Theory and Application, Marcel Dekker, Inc, New York. Higa, T. (994), Tanya Jawab Teknologi EM, Koperasi Karyawan, Departemen Kehutanan. di download pada tanggal 7 Maret 8 jam 4.5 WIB. 8

Berk. Penel. Hayati: 15 (71 76), 2009

Berk. Penel. Hayati: 15 (71 76), 2009 PEMBUATAN PUPUK BOKASHI DARI SAMPAH LINGKUNGAN BERDASARKAN RANCANGAN PERCOBAAN CAMPURAN YANG OPTIMUM PADA MODEL PERMUKAAN MULTIRESPON 1 Ruslan, 1 Susanti Linuwih, 1 Purhadi, 1 Sony Sunaryo, dan 2 Sri Nurhatika

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, Volume 1, Nomor 1, Tahun 2012, Halaman 39-46 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian RANCANGAN D-OPTIMAL LOKAL UNTUK REGRESI POLINOMIAL ORDE 3 DENGAN HETEROSKEDASTISITAS

Lebih terperinci

RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DUA FAKTOR DERAJAT DUA

RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DUA FAKTOR DERAJAT DUA JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 209-218 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DUA FAKTOR DERAJAT DUA Rosmalia

Lebih terperinci

JURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman Online di:

JURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman Online di: JURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman 129-135 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DERAJAT 3 DENGAN HETEROSKEDASTISITAS

Lebih terperinci

ANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN. Rita Rahmawati 1, Anik Djuraidah 2.

ANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN. Rita Rahmawati 1, Anik Djuraidah 2. ANALISIS GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) DENGAN PEMBOBOT KERNEL GAUSSIAN UNTUK DATA KEMISKINAN Rita Rahmawati 1, Anik Djuraidah 2 1) Program Studi Statistika, FMIPA Universitas Diponegoro 2) Jurusan

Lebih terperinci

pendekatan dalam penelitian ini dinilai cukup beralasan.

pendekatan dalam penelitian ini dinilai cukup beralasan. Tabel Hasil pendugaan model pengaruh tetap dengan Y sebagai peubah respon dan X, X dan X sebagai C -. 00 X -5 0.50 X.05 00 X 00 R 0.6 Adjusted R 0.6 Hasil pendugaan model data panel dengan Y sebagai peubah

Lebih terperinci

ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS

ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS Oleh: Rizky Amlia Rachmawati (1306.030.046) Dosen Pembimbing: Dra. Madu Ratna, M.Si

Lebih terperinci

Matematika dan Statistika

Matematika dan Statistika ISSN 4-6669 Volume, Juni 0 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Model Permukaan Respon pada(4 3) MODEL PERMUKAAN RESPON PADA PERCOBAAN

Lebih terperinci

Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur

Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur M.Fariz Fadillah Mardianto,

Lebih terperinci

RANCANGAN D-OPTIMAL UNTUK MODEL EKSPONENSIAL GENERAL. Abstract

RANCANGAN D-OPTIMAL UNTUK MODEL EKSPONENSIAL GENERAL. Abstract Rancangan D-Optimal (Tatik Widiharih) RANCANGAN D-OPTIMAL UNTUK MODEL EKSPONENSIAL GENERAL Tatik Widiharih 1, Sri Haryatmi 2, Gunardi 3 1 Dosen Jurusan Statistika FSM UNDIP, widiharih@gmail.com 2 Dosen

Lebih terperinci

ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER

ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER ESTIMASI REGRESI ROBUST M PADA FAKTORIAL RANCANGAN ACAK LENGKAP YANG MENGANDUNG OUTLIER Siswanto 1, Raupong 2, Annisa 3 ABSTRAK Dalam statistik, melakukan suatu percobaan adalah salah satu cara untuk mendapatkan

Lebih terperinci

Oleh : M. Mushonnif Efendi ( ) Dosen Pembimbing : Dr. Sony Sunaryo, M.Si.

Oleh : M. Mushonnif Efendi ( ) Dosen Pembimbing : Dr. Sony Sunaryo, M.Si. OPTIMASI WAKTU PEMOTONGAN BAJA HSS PADA WIRE-EDM MENGGUNAKAN METODE TAGUCHI Oleh : M. Mushonnif Efendi (307 030 05) Dosen Pembimbing : Dr. Sony Sunaryo, M.Si. Prodi D3 STATISTIKA FAKULTAS ILMU PENGETAHUAN

Lebih terperinci

PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb.

PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb. JMP : Volume 3 Nomor 1, Juni 2011 PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER Agustini Tripena Br.Sb. Fakultas Sains dan Teknik, Universitas Jenderal Soedirman Purwokerto, Indonesia ABSTRAK.

Lebih terperinci

(D.2) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE. H. Sudartianto 3. Sri Winarni

(D.2) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE. H. Sudartianto 3. Sri Winarni Universitas Padjadjaran, November 00 (D.) OPTIMASI KOMPOSISI PERLAKUAN DENGAN MENGGUNAKAN METODE RESPONSE SURFACE Andry Ritonga H. Sudartianto Sri Winarni Mahasiswa Program Strata Jurusan Statistika FMIPA

Lebih terperinci

Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan

Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas

Lebih terperinci

OPTIMASI KUAT TEKAN DAN DAYA SERAP AIR DARI BATAKO YANG MENGGUNAKAN BOTTOM ASH DENGAN PENDEKATAN RESPON SERENTAK

OPTIMASI KUAT TEKAN DAN DAYA SERAP AIR DARI BATAKO YANG MENGGUNAKAN BOTTOM ASH DENGAN PENDEKATAN RESPON SERENTAK OPTIMASI KUAT TEKAN DAN DAYA SERAP AIR DARI BATAKO YANG MENGGUNAKAN BOTTOM ASH DENGAN PENDEKATAN RESPON SERENTAK Ricky Afi Damaris (), Bobby O. P. Soepangkat () Mahasiswa MMT ITS, Staf Pengajar MMT ITS

Lebih terperinci

Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri

Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri Vol. 6, No.1, 0-8, Juli 009 Aplikasi Spline Kuadrat Terkecil dalam Pemodelan Pertumbuhan Anak Berdasarkan Indeks Antropometri Wahidah Sanusi Abstrak Penelitian ini dilakukan untuk mengestimasi model pertumbuhan

Lebih terperinci

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n

SBAB III MODEL VARMAX. Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n SBAB III MODEL VARMAX 3.1. Metode Analisis VARMAX Pengamatan time series membentuk suatu deret data pada saat t 1, t 2,..., t n dengan variabel random Z n yang dapat dipandang sebagai variabel random berdistribusi

Lebih terperinci

(Halaman ini sengaja dikosongkan)

(Halaman ini sengaja dikosongkan) DAFTAR PUSTAKA Christensen, R., 1991. Linier Models for Multivariate, Time Series, and Spatial Data. Springer Verlag, New York Draper, N. Dan Smith, H., 1992. Analisis Regresi Terapan, edisi kedua. Diterjemahkan

Lebih terperinci

Peranan dari Pemilihan Level sebagai Referensi pada Variabel Bebas Bertipe Kategori terhadap Derajat Multikolinieritas dalam Model Regresi Linier

Peranan dari Pemilihan Level sebagai Referensi pada Variabel Bebas Bertipe Kategori terhadap Derajat Multikolinieritas dalam Model Regresi Linier Prosiding Statistika ISSN: 2460-6456 Peranan dari Pemilihan Level sebagai Referensi pada Variabel Bebas Bertipe Kategori terhadap Derajat Multikolinieritas dalam Model Regresi Linier 1 Seny Mustikawati,

Lebih terperinci

ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA

ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI

Lebih terperinci

FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)

FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI 17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga

Lebih terperinci

1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH

1. PENDAHULUAN PADA PRODUKSI JAGUNG DI JAWA TENGAH MODEL REGRESI ROBUST ESTIMASI DENGAN PEMBOBOT FAIR PADA PRODUKSI JAGUNG DI JAWA TENGAH Oktaviana Wulandari, Yuliana Susanti, dan Sri Sulistijowati Handajani Program Studi Matematika FMIPA UNS ABSTRAK.

Lebih terperinci

ANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA. Bahriddin Abapihi 1)

ANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA. Bahriddin Abapihi 1) Bahriddin Abapihi//Paradigma, Vol.15 No.1 Pebruari 2011 hlm.11 18 11 ANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA Bahriddin Abapihi 1) 1) Jurusan Matematika FMIPA, Universitas Haluoleo,

Lebih terperinci

DESAIN FAKTORIAL FRAKSIONAL 2 k-p SERTA ANALISISNYA BERBASIS WEB. Candra Aji dan Dadan Dasari 1 Universitas Pendidikan Indonesia ABSTRAK

DESAIN FAKTORIAL FRAKSIONAL 2 k-p SERTA ANALISISNYA BERBASIS WEB. Candra Aji dan Dadan Dasari 1 Universitas Pendidikan Indonesia ABSTRAK DESAIN FAKTORIAL FRAKSIONAL k-p SERTA ANALISISNYA BERBASIS WEB Candra Aji dan Dadan Dasari Universitas Pendidikan Indonesia ABSTRAK Dalam eksperimen faktorial k, yakni eksperimen yang melibatkan k buah

Lebih terperinci

Pemodelan Spline Truncated dalam Regresi Nonparametrik Birespon

Pemodelan Spline Truncated dalam Regresi Nonparametrik Birespon Konferensi Nasional Sistem & Informatika 7 STMIK STIKOM Bali, Agustus 7 Pemodelan Spline Truncated dalam Regresi Nonparametrik Birespon Luh Putu Safitri Pratiwi Program Studi Sistem Informasi STMIK STIKOM

Lebih terperinci

BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang

BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA Analisis komponen utama adalah metode statistika multivariat yang bertujuan untuk mereduksi dimensi data dengan membentuk kombinasi linear

Lebih terperinci

Kata Kunci : MGWMLM, GWMLM, DAS.

Kata Kunci : MGWMLM, GWMLM, DAS. ANALISIS PENGARU CURA UJAN DAN MORFOMETRI PADA PENINGKATAN DEBIT DAN SEDIMEN DI DAS KONTO ULU DENGAN PENDEKATAN MIXED GEOGRAPICALLY WEIGTED MULTUVARIATE LINIER MODEL 1 Memi Nor ayati, 2 Purhadi 1 Jurusan

Lebih terperinci

BAB I PENDAHULUAN RANCANGAN CROSSOVER TIGA PERIODE DENGAN DUA PERLAKUAN DUA PERLAKUAN. Disusun Oleh: Diasnita Putri Larasati Ayunda

BAB I PENDAHULUAN RANCANGAN CROSSOVER TIGA PERIODE DENGAN DUA PERLAKUAN DUA PERLAKUAN. Disusun Oleh: Diasnita Putri Larasati Ayunda RANCANGAN CROSSOVER TIGA PERIODE DENGAN DUA PERLAKUAN SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi Sebagian Persyaratan guna Memperoleh

Lebih terperinci

Pemodelan Data Besar Klaim Asuransi Kendaraan Bermotor Menggunakan Distribusi Mixture Erlang

Pemodelan Data Besar Klaim Asuransi Kendaraan Bermotor Menggunakan Distribusi Mixture Erlang Statistika, Vol. 17 No. 1, 45 51 Mei 2017 Pemodelan Data Besar Klaim Asuransi Kendaraan Bermotor Menggunakan Distribusi Mixture Erlang Indah permatasari, aceng komarudin mutaqin, lisnur wachidah Program

Lebih terperinci

D-OPTIMAL DESIGN UNTUK REGRESI POLINOMIAL TERBOBOTI

D-OPTIMAL DESIGN UNTUK REGRESI POLINOMIAL TERBOBOTI IndoMS Journal on Statistics Vol.1, No. 1, (2013), Page 29-39 D-OPTIMAL DESIGN UNTUK REGRESI POLINOMIAL TERBOBOTI Tatik Widiharih 1,2, Gunardi 3, Sri Haryatmi 3 1 Mahasiswa S3 Ilmu Matematika FMIPA-UGM

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang 1 BAB I PENDAHULUAN 1.1. Latar Belakang Kondisi tanah pada lahan pertanian saat sekarang ini untuk mencukupi kebutuhan akan haranya sudah banyak tergantung dengan bahan-bahan kimia, mulai dari pupuk hingga

Lebih terperinci

Metode Bootstrap Untuk mengestimasi Data Hilang (missing Data) pada Eksperimen Faktorial

Metode Bootstrap Untuk mengestimasi Data Hilang (missing Data) pada Eksperimen Faktorial SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Metode Bootstrap Untuk mengestimasi Data Hilang (missing Data) pada Eksperimen Faktorial Enny Supartini Departemen Statistika, F MIPA, Universitas

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi

BAB II TINJAUAN PUSTAKA. Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi BAB II TINJAUAN PUSTAKA Dalam bab ini dibahas tentang matriks, metode pengganda Lagrange, regresi linear, metode kuadrat terkecil, restriksi linear, multikolinearitas, regresi ridge, uang primer, dan koefisien

Lebih terperinci

METODOLOGI PENELITIAN

METODOLOGI PENELITIAN 22 III. METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Penelitian Bank merupakan lembaga keuangan yang memiliki fungsi sebagai penghimpun dana dari masyarakat dan menyalurkannya kembali dalam bentuk kredit

Lebih terperinci

REGRESI LINIER BERGANDA

REGRESI LINIER BERGANDA REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI NIRA MENTAH DAN AMPAS TEBU DI PG CANDI BARU SIDOARJO

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI NIRA MENTAH DAN AMPAS TEBU DI PG CANDI BARU SIDOARJO TUGAS AKHIR ST 0315 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI HASIL PRODUKSI NIRA MENTAH DAN AMPAS TEBU DI PG CANDI BARU SIDOARJO DIKA RHEZTI WITIANDA NRP 1306 030 010 DOSEN PEMBIMBING Dr. Purhadi, M.Sc.

Lebih terperinci

BAB I PENDAHULUAN. membawa dampak yang tidak baik bagi manusia. Tumpukan sampah. tersebut jika dibiarkan dapat menimbulkan pencemaran, penyakit serta

BAB I PENDAHULUAN. membawa dampak yang tidak baik bagi manusia. Tumpukan sampah. tersebut jika dibiarkan dapat menimbulkan pencemaran, penyakit serta BAB I PENDAHULUAN A. Latar Belakang Limbah atau sampah yang dibuang secara sembarangan akan membawa dampak yang tidak baik bagi manusia. Tumpukan sampah tersebut jika dibiarkan dapat menimbulkan pencemaran,

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kemajuan ilmu pengetahuan dan teknologi menuntut perubahan-perubahan yang melibatkan suatu penelitian atau percobaan pada berbagai bidang. Metode Statistik

Lebih terperinci

PREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE

PREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE PREDIKSI INFLASI DI INDONESIA MENGGUNAKAN REGRESI NONPARAMETRIK B-SPLINE Annita Nur Kusumastuti, Sri Sulistijowati Handajani, dan Respatiwulan Program Studi Matematika FMIPA UNS ABSTRAK. Inflasi identik

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Bank adalah lembaga keuangan yang merupakan penggerak utama dalam pertumbuhan perekonomian masyarakat Indonesia. Sebagai lembaga Intermediasi, bank memiliki

Lebih terperinci

Klasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan

Klasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan Statistika, Vol. 15 No. 2, 87-97 November 215 Klasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan Fitriana A.R. 1, Nurhasanah 2, Ririn Raudhatul

Lebih terperinci

VII ANALISIS FUNGSI PRODUKSI USAHATANI BELIMBING DEWA

VII ANALISIS FUNGSI PRODUKSI USAHATANI BELIMBING DEWA VII ANALISIS FUNGSI PRODUKSI USAHATANI BELIMBING DEWA 7.1. Analisis Fungsi Produksi Hasil pendataan jumlah produksi serta tingkat penggunaan input yang digunakan dalam proses budidaya belimbing dewa digunakan

Lebih terperinci

ESTIMASI PARAMETER SISTEM MODEL PERSAMAAN SIMULTAN PADA DATA PANEL DINAMIS DENGAN GMM ARELLANO DAN BOND

ESTIMASI PARAMETER SISTEM MODEL PERSAMAAN SIMULTAN PADA DATA PANEL DINAMIS DENGAN GMM ARELLANO DAN BOND ISBN : 9786023610020 ESTIMASI PARAMETER SISTEM MODEL PERSAMAAN SIMULTAN PADA DATA PANEL DINAMIS DENGAN GMM ARELLANO DAN BOND Arya Fendha Ibnu Shina 1, Setiawan 2 Mahasiswa Jurusan Statistika Institut Teknologi

Lebih terperinci

Informasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG)

Informasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG) SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Informasi Fisher pada Algoritme Fisher Scoring untuk Estimasi Parameter Model Regresi Logistik Ordinal Terboboti Geografis (RLOTG) Aulia Nugrahani

Lebih terperinci

MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA

MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA MODEL REGRESI NONPARAMETRIK BERDASARKAN ESTIMATOR POLINOMIAL LOKAL KERNEL PADA KASUS PERTUMBUHAN BALITA 1 Mifta Luthfin Alfiani, 2 Indah Manfaati Nur, 3 Tiani Wahyu Utami 1,2,3 Program Studi Statistika,

Lebih terperinci

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer

Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika

Lebih terperinci

MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA PRODUK DOMESTIK REGIONAL BRUTO TERHADAP INVESTASI DI KABUPATEN TUBAN

MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA PRODUK DOMESTIK REGIONAL BRUTO TERHADAP INVESTASI DI KABUPATEN TUBAN MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA PRODUK DOMESTIK REGIONAL BRUTO TERHADAP INVESTASI DI KABUPATEN TUBAN Amalia Ma rufa, Sri Subanti, Titin Sri Martini Program Studi Matematika FMIPA UNS

Lebih terperinci

SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE

SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 333-342 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY

Lebih terperinci

(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT

(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika

Lebih terperinci

BAB II METODE ANALISIS DATA. memerlukan lebih dari satu variabel dalam membentuk suatu model regresi.

BAB II METODE ANALISIS DATA. memerlukan lebih dari satu variabel dalam membentuk suatu model regresi. 10 BAB II METODE ANALISIS DATA 2.1 Pengertian Regresi Berganda Banyak data pengamatan yang terjadi sebagai akibat lebih dari dua variabel, yaitu memerlukan lebih dari satu variabel dalam membentuk suatu

Lebih terperinci

OPTIMASI CAMPURAN PUPUK PADA TANAMAN NENAS DENGAN METODE GOAL PROGRAMMING DI KABUPATEN KAMPAR

OPTIMASI CAMPURAN PUPUK PADA TANAMAN NENAS DENGAN METODE GOAL PROGRAMMING DI KABUPATEN KAMPAR Vol. 9. o., OPTIMASI CAMPURA PUPUK PADA TAAMA EAS DEGA METODE GOAL PROGRAMMIG DI KABUPATE KAMPAR Sri Basriati Jurusan Matematika Fakultas Sains dan Teknologi UI Suska Riau e-mail: sribasriati@hotmail.com

Lebih terperinci

BAB 2 LANDASAN TEORI. digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Dia

BAB 2 LANDASAN TEORI. digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Dia 10 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan antara dua variabel atau lebih adalah analisa regresi linier. Regresi pertama

Lebih terperinci

PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA

PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA Febriani Astuti, Kartiko, Sri Sulistijowati Handajani Jurusan Matematika

Lebih terperinci

(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN

(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN 4 karena adanya perbedaan satuan pengukuran antar peubah. 1.. Memastikan tidak adanya pencilan pada data dengan mengidentifikasi adanya pencilan pada data. Pengidentifikasian pencilan dilakukan dengan

Lebih terperinci

PENGGUNAAN UJI MULTIVARIAT FRIEDMAN PADA RANCANGAN ACAK KELOMPOK LENGKAP

PENGGUNAAN UJI MULTIVARIAT FRIEDMAN PADA RANCANGAN ACAK KELOMPOK LENGKAP PENGGUNAAN UJI MULTIVARIAT FRIEDMAN PADA RANCANGAN ACAK KELOMPOK LENGKAP Ariyani 1, Raupong, Annisa 3 ABSTRAK Rancangan Acak Kelompok Lengkap (RAKL) merupakan salah satu bentuk rancangan lingkungan dimana

Lebih terperinci

Identifikasi Faktor Signifikan pada Rancangan Faktorial Fraksional dan

Identifikasi Faktor Signifikan pada Rancangan Faktorial Fraksional dan Vol. 10, No. 2, 92-101, Januari 2014 Identifikasi Faktor Signifikan pada Rancangan Faktorial Fraksional dan Fachrun Arifianto S., M. Saleh AF., Anisa Abstrak Rancangan faktorial dengan jumlah faktor yang

Lebih terperinci

PEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH

PEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH PEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH 1 Diana Wahyu Safitri, 2 Moh Yamin Darsyah, 3 Tiani Wahyu Utami 1,2,3 Program Studi Statistika FMIPA Universitas

Lebih terperinci

BAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat

BAB II LANDASAN TEORI. : Ukuran sampel telah memenuhi syarat. : Ukuran sampel belum memenuhi syarat BAB II LANDASAN TEORI 2.1. Uji Kecukupan Sampel Dalam melakukan penelitian ini yang berhubungan dengan kecukupan sampel maka langkah awal yang harus dilakukan adalah pengujian terhadap jumlah sampel. Pengujian

Lebih terperinci

DIAGONALISASI MATRIKS ATAS RING KOMUTATIF DENGAN ELEMEN SATUAN INTISARI

DIAGONALISASI MATRIKS ATAS RING KOMUTATIF DENGAN ELEMEN SATUAN INTISARI Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 3 (2013), hal. 183-190 DIAGONALISASI MATRIKS ATAS RING KOMUTATIF DENGAN ELEMEN SATUAN Fidiah Kinanti, Nilamsari Kusumastuti, Evi Noviani

Lebih terperinci

REGRESI ROBUST UNTUK MENGATASI OUTLIER PADA REGRESI LINIER BERGANDA. Isma Hasanah

REGRESI ROBUST UNTUK MENGATASI OUTLIER PADA REGRESI LINIER BERGANDA. Isma Hasanah REGRESI ROBUST UNTUK MENGATASI OUTLIER PADA REGRESI LINIER BERGANDA Isma Hasanah isma_semangat@yahoo.co.id Agustini Tripena, Br. Sb Universitas Jenderal Soedirman ABSTRACT. Regression analysis is statistic

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilakukan pada PT. PLN Persero Cabang Pekanbaru

BAB III METODE PENELITIAN. Penelitian ini dilakukan pada PT. PLN Persero Cabang Pekanbaru BAB III METODE PENELITIAN A. Lokasi dan Waktu Penelitian Penelitian ini dilakukan pada PT. PLN Persero Cabang Pekanbaru yang beralamat di Jl. Sutomo, No. 69 Pekanbaru. Penelitian lini dimulai sejak bulan

Lebih terperinci

PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak

PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,

Lebih terperinci

EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH

EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH EFISIENSI ESTIMASI SCALE (S) TERHADAP ESTIMASI LEAST TRIMMED SQUARES (LTS) PADA PRODUKSI PADI DI PROVINSI JAWA TENGAH May Cristanti, Yuliana Susanti, dan Sugiyanto Program Studi Matematika FMIPA UNS ABSTRAK.

Lebih terperinci

Optimasi Taguchi Multirespon melalui Pendekatan Fungsi Desirability dengan Regresi Fuzzy pada Kasus Kuat Tekan dan Daya Serap Air Produk Batako

Optimasi Taguchi Multirespon melalui Pendekatan Fungsi Desirability dengan Regresi Fuzzy pada Kasus Kuat Tekan dan Daya Serap Air Produk Batako JURNAL SAINS DAN SENI ITS Vol 4, No1, (2015) 2337-3520 (2301-928X Print) D-19 Optimasi Taguchi Multirespon melalui Pendekatan Fungsi Desirability dengan Regresi Fuzzy pada Kasus Kuat Tekan dan Daya Serap

Lebih terperinci

PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO 2 dan Gross Nation Product di Malaysia, Bhutan, dan Nepal)

PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO 2 dan Gross Nation Product di Malaysia, Bhutan, dan Nepal) PENGUJIAN KESAMAAN BEBERAPA MODEL REGRESI NON LINIER GEOMETRI (Studi Kasus : Data Emisi CO dan Gross Nation Product di Malaysia, Bhutan, dan Nepal) Yanti I 1, Islamiyati A, Raupong 3 Abstrak Regresi geometrik

Lebih terperinci

MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR

MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR UNIVERSITAS DIPONEGORO 01 ISBN: -0-1-0-1 MODEL REGRESI NONPARAMETRIK DENGAN PENDEKATAN DERET FOURIER PADA KASUS TINGKAT PENGANGGURAN TERBUKA DI JAWA TIMUR Alan Prahutama Dosen Jurusan Statistika Undip

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 5 BAB 2 TINJAUAN PUSTAKA 2.1 Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemenelemen yang disusun secara teratur menurut baris dan kolom berbentuk

Lebih terperinci

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu

Lebih terperinci

BAB IV HASIL PENELITIAN

BAB IV HASIL PENELITIAN BAB IV HASIL PENELITIAN A. Deskripsi Data Statistik deskriptif ini digunakan sebagai dasar untuk menguraikan kecenderungan jawaban responden dari tiap-tiap variabel, baik mengenai program kegiatan masjid,

Lebih terperinci

PERBANDINGAN NILAI FRAKSI PADA RANCANGAN FAKTORIAL FRAKSIONAL 2 k MELALUI METODE BISSELL. Kata Kunci : Faktorial Fraksional dua level, Metode Bissell

PERBANDINGAN NILAI FRAKSI PADA RANCANGAN FAKTORIAL FRAKSIONAL 2 k MELALUI METODE BISSELL. Kata Kunci : Faktorial Fraksional dua level, Metode Bissell September 03 PERBANDINGAN NILAI FRAKSI PADA RANCANGAN FAKTORIAL FRAKSIONAL k MELALUI METODE BISSELL IRAWATY, ANISA DAN HERDIANI, E.T. 3 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam,

Lebih terperinci

REGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS

REGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS REGRESI SPLINE BIRESPON UNTUK MEMODELKAN KADAR GULA DARAH PENDERITA DIABETES MELITUS Dhina Oktaviana P, I Nyoman Budiantara Mahasiswa Jurusan Statistika ITS Surabaya, Dosen Jurusan Statistika ITS Surabaya

Lebih terperinci

Uji Mikrobiologis Kompos Organik dari Sampah Organik dengan Penambahan Limbah Tomat dan EM-4 SKRIPSI

Uji Mikrobiologis Kompos Organik dari Sampah Organik dengan Penambahan Limbah Tomat dan EM-4 SKRIPSI Uji Mikrobiologis Kompos Organik dari Sampah Organik dengan Penambahan Limbah Tomat dan EM-4 SKRIPSI Untuk Memenuhi Sebagian Persyaratan Guna Mencapai Derajat Sarjana S-1 Jurusan Pendidikan Biologi Oleh:

Lebih terperinci

Perbandingan Nilai Fraksi pada Rancangan Faktorial Fraksional 2 k dengan Metode Bissell dan Aplikasinya pada Kasus Perkecambahan Kacang Hijau

Perbandingan Nilai Fraksi pada Rancangan Faktorial Fraksional 2 k dengan Metode Bissell dan Aplikasinya pada Kasus Perkecambahan Kacang Hijau Vol.14, No. 2, 192-201, Januari 2018 Perbandingan Nilai Fraksi pada Rancangan Faktorial Fraksional 2 k dengan Metode Bissell dan Aplikasinya pada Kasus Perkecambahan Kacang Hijau Irawaty 1, Anisa 1, Erna

Lebih terperinci

LOGO SEMINAR TUGAS AKHIR. Oleh : Rifdatur Rusydiyah Dosen Pembimbing : DR. Subiono, M.Sc

LOGO SEMINAR TUGAS AKHIR. Oleh : Rifdatur Rusydiyah Dosen Pembimbing : DR. Subiono, M.Sc LOGO SEMINAR TUGAS AKHIR Oleh : Rifdatur Rusydiyah 1206 100 045 Dosen Pembimbing : DR. Subiono, M.Sc JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER

Lebih terperinci

ANALISIS KAPABILITAS PROSES PRODUKSI FILTER ROKOK SUPER SLIM JENIS MONO DI PT. X

ANALISIS KAPABILITAS PROSES PRODUKSI FILTER ROKOK SUPER SLIM JENIS MONO DI PT. X ANALISIS KAPABILITAS PROSES PRODUKSI FILTER ROKOK SUPER SLIM JENIS MONO DI PT. X Utami Rizky Damayanti 1308 030 06 Dosen Pembimbing: Dra. Sri Mumpuni R., MT Sidang Tugas Akhir Diploma III Statistika Institut

Lebih terperinci

Seminar Tugas Akhir. Dosen Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MS

Seminar Tugas Akhir. Dosen Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MS Seminar Tugas Akhir Oleh: Dhina Oktaviana P 1307 100 068 Dosen Pembimbing : Prof. Dr. Drs. I Nyoman Budiantara, MS JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang 1 BAB I PENDAHULUAN 1.1. Latar Belakang Pupuk Bokasi adalah pupuk kompos yang diberi aktivator. Aktivator yang digunakan adalah Effective Microorganism 4. EM 4 yang dikembangkan Indonesia pada umumnya

Lebih terperinci

BAB I PENDAHULUAN. memiliki sebuah hubungan, misalnya ilmu alam yang berkaitan erat dengan

BAB I PENDAHULUAN. memiliki sebuah hubungan, misalnya ilmu alam yang berkaitan erat dengan BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia ilmu pengetahuan, antara satu ilmu dengan ilmu yang lainnya memiliki sebuah hubungan, misalnya ilmu alam yang berkaitan erat dengan matematika karena keduanya

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis multivariat merupakan salah satu teknik statistik yang digunakan untuk memahami struktur data dalam dimensi tinggi. Variabel-variabel itu saling terkait satu

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat

BAB 2 LANDASAN TEORI. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi dan Korelasi 2.1.1 Analisis Korelasi Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan tingkat hubungan Y dan X dalam bentuk

Lebih terperinci

PENENTUAN DIAGRAM KENDALI DALAM ANALISIS KUALITAS PRODUKSI BISKUIT SQUARE PUFF PT. UBM BISCUIT SIDOARJO

PENENTUAN DIAGRAM KENDALI DALAM ANALISIS KUALITAS PRODUKSI BISKUIT SQUARE PUFF PT. UBM BISCUIT SIDOARJO Program Studi MMT-ITS, Surabaya Februari 3 PENENTUAN DIAGRAM KENDALI DALAM ANALISIS KUALITAS PRODUKSI BISKUIT SQUARE PUFF PT. UBM BISCUIT SIDOARJO Rizal Rinumpoko *), Septia Fendiasari, Lucia Aridinanti,

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN Karakterisasi awal blotong dan sludge pada penelitian pendahuluan menghasilkan komponen yang dapat dilihat pada Tabel 9. Tabel 9. Karakteristik blotong dan sludge yang digunakan

Lebih terperinci

I PENDAHULUAN. Hal tersebut menjadi masalah yang perlu diupayakan melalui. terurai menjadi bahan anorganik yang siap diserap oleh tanaman.

I PENDAHULUAN. Hal tersebut menjadi masalah yang perlu diupayakan melalui. terurai menjadi bahan anorganik yang siap diserap oleh tanaman. 1 I PENDAHULUAN 1.1 LatarBelakang Salah satu limbah peternakan ayam broiler yaitu litter bekas pakai pada masa pemeliharaan yang berupa bahan alas kandang yang sudah tercampur feses dan urine (litter broiler).

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 17 BAB TINJAUAN PUSTAKA Pada bab ini akan diuraikan teori dan metode yang digunakan untuk mendukung analisis data. Teori dan metode itu diantaranya adalah rancangan faktorial, analisis regresi dan metode

Lebih terperinci

PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti *

PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti * PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN Mike Susmikanti * ABSTRAK PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Pemodelan dalam penelitian berbagai bidang khususnya bidang industri, merupakan kebutuhan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Regresi yang berarti peramalan, penaksiran, atau pendugaan pertama kali diperkenalkan pada tahun 1877 oleh Sir Francis Galton (1822-1911) sehubungan dengan penelitiannya

Lebih terperinci

Optimasi Multi Response Surface pada Industri Kemasan Botol Plastik dengan Pendekatan Fuzzy Programming

Optimasi Multi Response Surface pada Industri Kemasan Botol Plastik dengan Pendekatan Fuzzy Programming 1 Optimasi Multi Response Surface pada Industri Kemasan Botol Plastik Pendekatan Fuzzy Programming Lela Devi Meylina dan Sony Sunaryo Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam,

Lebih terperinci

Perturbasi Nilai Eigen dalam Mengatasi Multikolinearitas

Perturbasi Nilai Eigen dalam Mengatasi Multikolinearitas Vol. 10, No. 1, 6-13, Juli 2013 Perturbasi Nilai Eigen dalam Mengatasi Multikolinearitas Andi Yuni Deviyanti 1, Andi Kresna Jaya 1, Anisa 1 Abstrak Multikolinieritas adalah salah satu pelanggaran asumsi

Lebih terperinci

Bagan Kendali Rasio Likelihood dan Aplikasinya pada Data Kurs Mata Uang dan Industri

Bagan Kendali Rasio Likelihood dan Aplikasinya pada Data Kurs Mata Uang dan Industri Vol. 10, No. 1, 26-34, Juli 2013 Bagan Kendali Rasio Likelihood dan Aplikasinya pada Data Kurs Mata Uang dan Industri Andi Fitri Ayu 1, Erna Tri Herdiani 1, M. Saleh AF 1, Anisa 1, Nasrah Sirajang 1 Abstrak

Lebih terperinci

APLIKASI METODE RESPON PERMUKAAN DAN GOAL PROGRAMMING UNTUK OPTIMASI SIFAT FISIK DAN MEKANIK TABLET OBAT

APLIKASI METODE RESPON PERMUKAAN DAN GOAL PROGRAMMING UNTUK OPTIMASI SIFAT FISIK DAN MEKANIK TABLET OBAT APLIKASI METODE RESPON PERMUKAAN DAN GOAL PROGRAMMING UNTUK OPTIMASI SIFAT FISIK DAN MEKANIK TABLET OBAT Ivan Aris Nugroho 1) dan Abdullah Shahab 2) 1) Program Studi Magister Manajemen Teknologi, Institut

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN Latar Belakang BAB I PENDAHULUAN A. Latar Belakang Tanaman sawi merupakan jenis sayuran yang sering dikonsumsi oleh masyarakat Indonesia. Menurut Hamli (2015) salah satu jenis tanaman sayuran yang mudah dibudidayakan

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Pupuk organik cair adalah ekstrak dari hasil pembusukan bahan-bahan organik. Bahan-bahan organik ini bisa berasal dari sisa tanaman, kotoran hewan dan manusia yang

Lebih terperinci

BAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan

BAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau

Lebih terperinci

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL

Lebih terperinci

REALISASI POSITIF STABIL ASIMTOTIK SISTEM LINIER DISKRIT DENGAN POLE KONJUGAT KOMPLEKS

REALISASI POSITIF STABIL ASIMTOTIK SISTEM LINIER DISKRIT DENGAN POLE KONJUGAT KOMPLEKS Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 27 33 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND REALISASI POSITIF STABIL ASIMTOTIK SISTEM LINIER DISKRIT DENGAN POLE KONJUGAT KOMPLEKS ISWAN RINA Program

Lebih terperinci

ESTIMASI DATA HILANG MENGGUNAKAN REGRESI ROBUST S

ESTIMASI DATA HILANG MENGGUNAKAN REGRESI ROBUST S ESTIMASI DATA HILANG MENGGUNAKAN REGRESI ROBUST S PADA RANCANGAN ACAK KELOMPOK Andi Fabiola Awalet 1, Raupong 2, Anisa 3 Program studi Statistika, Jurusan Matematika, FMIPA, Universitas Hasanuddin andiiiola@gmail.com

Lebih terperinci

RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DERAJAT 3 DENGAN HETEROSKEDASTISITAS

RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DERAJAT 3 DENGAN HETEROSKEDASTISITAS RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DERAJAT 3 DENGAN HETEROSKEDASTISITAS SKRIPSI Oleh : NAOMI RAHMA BUDHIANTI J2E 007 021 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO

Lebih terperinci