Rancangan Percobaan Campuran Yang Optimum Pada Model Permukaan Multirespon Untuk Kasus Pembuatan Pupuk Bokashi ABSTRAK
|
|
- Ari Budiman
- 6 tahun lalu
- Tontonan:
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
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 terperinciJURNAL 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 terperinciRANCANGAN 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 terperinciJURNAL 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 terperinciANALISIS 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 terperincipendekatan 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 terperinciANALISIS 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 terperinciMatematika 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 terperinciModel 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 terperinciRANCANGAN 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 terperinciESTIMASI 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 terperinciOleh : 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 terperinciPEMILIHAN 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
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 terperinciKematian 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 terperinciOPTIMASI 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 terperinciAplikasi 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 terperinciSBAB 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)
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 terperinciPeranan 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 terperinciANALISIS 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 terperinciFAKTOR-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 terperinciBab 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 terperinci1. 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 terperinciANALISIS 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 terperinciDESAIN 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 terperinciPemodelan 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 terperinciBAB 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 terperinciKata 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 terperinciBAB 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 terperinciPemodelan 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 terperinciD-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 terperinciBAB 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 terperinciMetode 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 terperinciBAB 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 terperinciMETODOLOGI 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 terperinciREGRESI 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 terperinciANALISIS 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 terperinciBAB 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 terperinciBAB 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 terperinciPREDIKSI 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 terperinciIII. 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 terperinciKlasifikasi 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 terperinciVII 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 terperinciESTIMASI 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 terperinciInformasi 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 terperinciMODEL 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 terperinciPeramalan 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 terperinciMODEL 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 terperinciSIMULASI 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
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 terperinciBAB 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 terperinciOPTIMASI 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 terperinciBAB 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 terperinciPERBANDINGAN 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
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 terperinciPENGGUNAAN 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 terperinciIdentifikasi 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 terperinciPEMODELAN 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 terperinciBAB 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 terperinciDIAGONALISASI 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 terperinciREGRESI 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 terperinciBAB 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 terperinciPERBANDINGAN 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 terperinciEFISIENSI 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 terperinciOptimasi 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 terperinciPENGUJIAN 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 terperinciMODEL 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 terperinciBAB 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 terperinciPemodelan 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 terperinciBAB 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 terperinciPERBANDINGAN 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 terperinciREGRESI 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 terperinciUji 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 terperinciPerbandingan 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 terperinciLOGO 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 terperinciANALISIS 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 terperinciSeminar 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciPENENTUAN 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 terperinciIV. 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 terperinciI 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 terperinciBAB 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 terperinciPEMAKAIAN 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 terperinciBAB 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 terperinciOptimasi 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 terperinciPerturbasi 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 terperinciBagan 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 terperinciAPLIKASI 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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 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 terperinciPENERAPAN 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 terperinciREALISASI 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 terperinciESTIMASI 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 terperinciRANCANGAN 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