Oleh : Arief Yudissanta ( ) Pembimbing : Prof. Susanti Linuwih Mstat.PHD
|
|
- Iwan Lesmana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 TUGAS AKHIR Oleh : Arief Yudissanta ( ) Pembimbing : Prof. Susanti Linuwih Mstat.PHD PENGELOMPOKAN SEKOLAH DASAR BERDASARKAN RATA-RATA NILAI UJIAN AKHIR SEKOLAH BERSTANDAR NASIONAL DI SETIAP SEKOLAH DASAR DI KOTA MOJOKERTO DENGAN METODE HIERRARKI CLUSTERING Page 1
2 PENDAHULUAN LATAR BELAKANG PENDIDIKAN MASALAH PENDIDIKAN DI INDONESIA RENDAHNYA MUTU PENDIDIKAN UASBN Page 2
3 PERMASALAHAN : Bagaimana pengelompokan sekolah dasar dengan menggunakan analisis kelompok hierrarki berdasarkan dafa nilai Ujian Akhir Sekolah Berstandar Nasional (UASBN) tiap mata pelajaran. TUJUAN : Untuk mengetahui pengelompokan sekolah dasar berdasarkan nilai rata-rata per mata pelajaran yang diujikan. Untuk mengetahui deskripsi tentang kondisi guru berdasarkan usia dan jenjang pendidikannya Page 3
4 MANFAAT Memberikan informasi kepada DIKNAS kota Mojokerto, agar pemerintah kota Mojokerto tahu sekolah dasar sekolah dasar mana yang harus diberi pembinaan BATASAN MASALAH Data nilai UASBN (Ujian Akhir Sekolah Berstandar Nasional) pada tahun ajaran 2008/2009 di Sekolah Dasar (SD) dan Madrasah Ibtida iyah (MI) sekecamatan Magersari dan Prajuritkulon kota Mojokerto Page 4
5 TUGAS AKHIR TINJAUAN PUSTAKA Page 5
6 TINJAUAN STATISTIK CLUSTER HIERRARKI NON HIERRARKI Page 6
7 CLUSTER HIERRARKI Langkah-langkah analisis hierrarkhi clustering/kelompok adalah sebagai berikut : 1. Mulai dengan N kelompok, setiap kelompok mengandung entiti tunggal dan sebuah matriks simetrik dari jarak (similarities) D = {d ik } dengan tipe NxN. 2. Cari matriks jarak untuk pasangan kelompok yang terdekat (paling mirip). Misalkan jarak antara kelompok U dan V yang paling mirip adalah d uv. 3. Gabungkan kelompok U dan V. Label kelompok yang baru dibentuk dengan (UV). Update entries pada matrik jarak dengan cara : a. Hapus baris dan kolom yang bersesuaian dengan kelompok U dan V b. Tambahkan baris dan kolom yang memberikan jarak-jarak antara kelompok (UV) dan kelompok-kelompok yang tersisa. 4. Ulangi langkah 2 dan 3 sebanyak (N-1) kali. (Semua objek akan berada dalam kelompok tunggal setelah algoritma berahir). Catat identitas dari kelompok yang digabungkan dan tingkat-tingkat (jarak atau similaritas) di mana penggabungan terjadi (Johnson dkk, 2002). Page 7
8 JARAK ECLUIDIUS Jarak euclidius berawal dari jarak Minkowski dengan dua objek sehingga dapat dinyatakan dalam bentuk persamaan sebagai berikut : Page 8
9 1.Metode MetodePautan PautanTunggal Tunggal(Singel SingelLinkage Linkage) d min{ d d } (UV )W UW, VW = (1) 2.Metode MetodePautan PautanLengkap Lengkap(Complete CompleteLinkage Linkage) d (UV)W = maks{d UW, d VW } 3.Metode MetodePautan PautanRata Rata-rata rata(average AverageLinkage Linkage) i N k ( UV ) d N ik W 4.Metode MetodeWard s Page 9
10 ANALISIS DISKRIMINAN Analisis diskriminan adalah salah satu metode analisis multivariate yang diterapkan untuk memodelkan hubungan antara satu variabel respon yang bersifat kategori dengan satu atau lebih variabel prediktor yang bersifat kuantitatif dengan membentuk fungsi diskriminan (Hair dkk, 2006) Tujuan dari analisis diskriminan, antara lain : Untuk melakukan identifikasi variabel-variabel yang paling membedakan antar dua grup. Untuk membangun persamaan atau fungsi berdasarkan variabel-variabel pembeda yang dapat digunakan menghitung variabel baru sehingga dapat menggambarkan perbedaan antar 2 grup. Untuk mengelompokkan pengamatan ke dalam salah satu grup yang ada. Tahapan-tahapan analisis diskriminan : 1. Evaluasi signifikansi variabel pembeda Untuk mengukur signifikansi variabel-variabel pembeda yang membedakan grup secara signifikan. Asumsi ini akan terpenuhi apabila nilai rata-rata masing-masing variabel berbeda untuk kedua grup tersebut. Adapun hipotesis untuk masing-masing variabel pembeda : H o H 1 : : = [ x 1, x 2,.,x p ] T untuk grup kedua x x p ]T untuk grup kedua 2 = [ 1, 2,., x dengan statistik uji : n1 n2 p1 n1n 2 F hitung = D ( n1 n2 2) p n1 n 2 dimana D 2 = ( 1 2 ) T -1 ( 1 2 ) 2. Estimasi fungsi diskriminan 2 dimana : p = jumlah variabel Page 10
11 EVALUASI FUNGSI KLASIFIKASI Hal penting untuk menilai suatu prosedur klasifikasi adalah dengan menghitung peluang kesalahan klasifikasi ukuran yang dinamakan Apparent Error Rates (APER), didefinisikan dengan fraksi (proporsi) pengamatan pada sampel yang salah diklasifikasikan oleh fungsi klasifikasi. Apabila asumsi multivariat normal dan homogenitas matriks varian-kovarian terpenuhi maka akan berakibat nilai APER akan semakin besar. APER dihitung dengan terlebih dahulu membuat Tabel Klasifikasi. Actual Group Predicted Group n n n13 n 2 21 n 22 n 23 3 n 31 n 32 n 33 n APER 12 n 13 n n 1 21 n n 2 23 n n 3 31 n 32 Page 11
12 Uji Distribusi Normal Multivariat Untuk melakukan analisis diskriminan, jika terdapat banyak variabel yang mendukung diperlukan asumsi distribusi normal multivariat [Johnson dan Wichern, 2002]. Sifat normal multivariat data dapat diuji dengan menghitung nilai jarak kuadrat pada setiap pengamatan, yaitu : 2 ' 1 d j ( x j x) S ( x j x) dengan j 1,2,...,n dimana : x j = pengamatan ke-j S -1 = invers matriks varian kovarians hipotesis : H 0 : data berdistribusi normal multivariate. H 1 : data tidak berdistribusi normal multivariate. Hipotesis nol akan ditolak dengan = 0.05 jika lebih dari 50% nilai dari d j2 lebih besar dari 2 (0.05,p). Page 12
13 UJI MATRIKS VARIANS KOVARIANS Untuk menguji kehomogenan matriks varian kovarians antar kelompok digunakan Statistik uji Box s M dengan hipotesis statistiknya adalah : H 0 : 1 = 2 =... = k H 1 : minimal ada satu kelompok berbeda, i j ; i, j,..., k Statistik uji Box s M : Box s M = K S * Dengan, dimana : k 1 2 ln W/(n * k ( n ( n1) / 2 n = banyaknya responden K = banyaknya kelompok K ) ln W n K = matrik kovarian gabungan dalam kelompok. S l : matriks kovarians kelompok ke-l K ) ( n K K k 1 ( n k ) ln l S k Daerah kritis pengujian ini adalah, Tolak Ho apabila, yang artinya matriks varian kovarians antar kelompok tidak homogen. ) / 2 Page 13
14 TINJAUAN NON STATISTIK PENDIDIKAN UASBN Page 14
15 TUGAS AKHIR METODE PENELITIAN Page 15
16 SUMBER PENELITIAN Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari Departemen Pendidikan kota Mojokerto yaitu data hasil Ujian Akhir Sekolah Berstandar Nasional (UASBN) pada tahun pelajaran 2008/2009 di sekolah dasar kota Mojokerto dengan jumlah sekolah sebanyak 58 sekolah dasar. Page 16
17 VARIABEL PENELITIAN Variabel yang digunakan dalam penelitian ini adalah sebagai berikut : X 1 : Rata-rata nilai Ujian Akhir Sekolah setiap sekolah dasar pada pelajaran Matematika X 2 : Rata-rata nilai Ujian Akhir Sekolah setiap sekolah dasar pada pelajaran Bahasa Indonesia X 3 : Rata-rata nilai Ujian Akhir Sekolah setiap sekolah dasar pada pelajaran Ilmu Pengetahuan Alam (IPA) Page 17
18 LANGKAH ANALISIS Langkah-langkah dalam menganalisis data adalah sebagai berikut : Melakukan analisis deskriptif dengan cara menyajikan data usia dan jenjang pendidikan guru di setiap sekolah dasar dalam bentuk diagram pie chart dan histogram untuk mengetahui deskripsi dari sekolah dasar tersebut. Melakukan analisis dengan menggunakan metode cluster hierrarki untuk mengetahui pengelompokan Sekolah Dasar (SD) berdasarkan nilai rata-rata per mata pelajaran yang diujikan. Melakukan analisis diskiminan untuk mengetahui variabel-variabel yang membedakan dalam pengelompokan. Dengan mempertimbangkan asumsi yang ada, yaitu sebagai berikut : a. Uji distribusi multivariate normal, digunakan untuk mengetahui apakah data nilai UASBN di sekolah dasar-sekolah dasar kota Mojokerto berdistribusi multivariate normal. b. Uji homogenitas matriks varians kovarians, untuk mengetahui data bersifat homogen atau berasal dari distribusi yang sama atau tidak. Setelah asumsi-asumsi diatas sudah terpenuhi, maka dapat dilakukan analisis diskriminan. Pembuatan Laporan. Page 18
19 TUGAS AKHIR ANALISIS dan PEMBAHASAN Page 19
20 Karakteristik Guru berdasarkan rata-rata Usia Guru di Tiaptiap Sekolah Dasar Dari gambar diatas dapat diketahui bahwa usia guru SD/MI kota Mojokerto kebanyakan berumur diatas 45 tahun dengan prosentase sebesar 33% sedangkan yang terbanyak kedua yaitu guru dengan usia kurang dari 30 tahun dengan prosentase sebesar 29%. Dan yang paling sedikit adalah guru dengan usia 31 sampai 35 tahun yang dapat dilihat prosentasenya sebesar 11%. Page 20
21 Karakteristik Guru berdasarkan Jenjang pendidikan Guru di Tiap-tiap Sekolah Dasar Jenjang Pendidikan Guru SD/MI di Kota Mojokerto S2 2% SD 1% SMP 3% SMA sederajat 14% D1 2% S1 56% D3 2% D2 20% Dari Gambar diatas dapat diketahui bahwa jenjang pendidikan guru SD/MI kota Mojokerto kebanyakan Sarjana (S1) dengan prosentase sebesar 56% sedangkan yang terbanyak kedua yaitu guru dengan jenjang pendidikan Diploma 2 (D2) dengan prosentase sebesar 20%. Dan untuk guru atau penjaga memiliki prosentase yang paling rendah yaitu sebesar 1%, dan untuk Diploma 1(D1), Diploma 3 (D3), dan Magister (S2) memiliki prosentase sebesar 2% Page 21
22 Analisis Cluster atau Kelompok Hierrarkhi Analisis kelompok hierrarkhi digunakan untuk mengetahui pengelompokan sekolah-sekolah dasar yang ada di Mojokerto berdasarkan nilai UASBN ( Ujian Akhir Semester Berstandar Nasional) yang terdiri dari mata pelajaran Bahasa Indonesia, Matematika, IPA (Ilmu Pengetahuan Alam). Adapun hasil pengelompokan yang diperoleh adalah sebagai berikut : Page 22
23 Analisis Cluster dengan Metode Ward s 1.Metode Ward s 4 kelompok Kelompok 1 Kelompok 2 Kelompok 3 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru SDN Gunung Gedangan 2, SDN Kedundung 2 dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, dan 7, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2 SDN Kedundung 1, SDN Balongsari 5, 8, dan 10, SDN Purwotengah 1, MI Al Karimah, MI Nurul Huda 1 Kelompok 4 MI Darul Huda dan MI GUPPI Page 23
24 2. Metode Ward s 3 kelompok Kelompok 1 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru Kelompok 2 SDN Gunung Gedangan 2, SDN Kedundung 2 dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, dan 7, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2 Kelompok 3 SDN Kedundung 1, SDN Balongsari 5, 8, dan 10, SDN Purwotengah 1, MI Al Karimah, MI Nurul Huda 1, MI Darul Huda dan MI GUPPI Page 24
25 3. Metode Ward s 2 kelompok Kelompok 1 Kelompok 2 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru SDN Gunung Gedangan 2, SDN Kedundung 2 dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, dan 7, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2, SDN Kedundung 1, SDN Balongsari 5, 8, dan 10, SDN Purwotengah 1, MI Al Karimah, MI Nurul Huda 1, MI Darul Huda dan MI GUPPI Page 25
26 Analisis Cluster dengan Metode Pautan Lengkap 1.Pautan lengkap dengan 4 kelompok Kelompok 1 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, dan 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru Kelompok 2 SDN Gunung Gedangan 2, SDN Kedundung 1, 2, dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, 5, 7, 8, dan 10, SDN Purwotengah 1, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2 Kelompok 3 MI Al Karimah, dan MI Nurul Huda 1 Kelompok 4 MI Darul Huda, dan MI GUPPI Page 26
27 2. Pautan lengkap dengan 3 kelompok Kelompok 1 Kelompok 2 Kelompok 3 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, dan 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru SDN Gunung Gedangan 2, SDN Kedundung 1, 2, dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, 5, 7, 8, dan 10, SDN Purwotengah 1, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2, MI Al Karimah, dan MI Nurul Huda 1 MI Darul Huda, dan MI GUPPI Page 27
28 3. Pautan lengkap dengan 2 kelompok Kelompok 1 Kelompok 2 SDN Gunung Gedangan 1, SDN Meri 1 dan 2, SDN Wates 1, 2, 3, 5, dan 6, SDN Magersari 2, SDN Balongsari 6, SDN Jagalan, SDN Purwotengah 2, SDN Gedongan 1 dan 3, SDN Pulorejo 1, SDN Prajuritkulon 1 dan 3, SDN Mentikan 4, SDN Kauman 2, SDN Blooto 1, SDN Miji 2 dan 4, SDN Kranggan 1, 2, 3, dan 5, MI Sunan Kalijogo, MI Paradigma Baru, SDN Gunung Gedangan 2, SDN Kedundung 1, 2, dan 3, SDN Wates 4, SDN Magersari 1, SDN Balongsari 1, 2, 5, 7, 8, dan 10, SDN Purwotengah 1, SDN Gedongan 2, SD TNH 1 dan 2, SDK Wijana Sejati, SDI Arrosyid, SDI Permata, SDI Al Azhar, SDN Pulorejo 2, SDN Prajuritkulon 2, SDN Miji 1, SDN Kranggan 4, SDN Surodinawan, MI Nurul Huda 2, MI Al Karimah, dan MI Nurul Huda 1 MI Darul Huda, dan MI GUPPI Page 28
29 UJI MATRIKS VARIANS COVARIANS UJI MATRIKS VARIANS COVARIANS PADA CLUSTER DENGAN METODE WARD S Jumlah kelompok Box s M F df1 df2 P-value 4 kelompok kelompok kelompok Jumlah kelompok UJI MATRIKS VARIANS COVARIANS PADA CLUSTER DENGAN METODE PAUTAN LENGKAP Box s M F Df1 Df2 P-value 4 kelompok kelompok Page 29
30 UJI NOR MAL MULTIVARIATE Berdasarkan pemeriksaan dan pengujian asumsi data berdistribusi normal multivariate dilakukan pada data hasil UASBN SD/MI kota Mojokerto tahun ajaran didapatkan bahwa data berdistribusi normal multivariate yang terlihat dari dari plot data multivariate yang membentuk garis lurus (lampiran) dan hasil pengujiannya sebagai berikut: Hipotesis: H 0 : data berdistribusi normal multivariate H 1 : data tidak berdistribusi normal multivariate Kriteria yang digunakan adalah menerima H 0 jika minimal ada 50% nilai-nilai d j2 x 2 p (0,5). Dengan macro minitab diperoleh nilai daerah chi-square (%) = 0, sehinga keputusannya gagal tolak H 0 dan menyimpulkan data berdistribusi multinormal. Page 30
31 KETEPATAN PENGKLASIFIKASIAN Pemilihan Kelompok Berdasarkan Ketepatan pengklasifikasian SD/MI Metode dan jumlah kelompok Metode ward s dengan 4 kelompok Pautan lengkap dengan 4 kelompok Pautan lengkap dengan 3 kelompok Ketepatan klasifikasi SD/MI 96.6% 94.8% 100% Page 31
32 ANALISIS DISKRIMINAN Berdasarkan hasil ketepatan pengklasifikasian diatas dapat disimpulkan bahwa metode yang dipilih dalam penelitian ini adalah metode pautan lengkap dengan jumlah kelompok sebanyak 3. Adapun analisis diskriminan pada metode pautan lengkap dengan 3 kelompok adalah sebagai berikut : Kelompok Jumlah Anggota Pertama 28 Kedua 28 Ketiga 2 Predicted Group Membership Pertama 28 Kedua 0 Ketiga 0 100% 0% 0% % 100% 0% 0 0% 0 0% 2 100% Persentase Ketepatan Klasifikasi 100% Fungsi diskriminan Y 1 = -22, ,684 Matematika Page 32
33 TUGAS AKHIR KESIMPULAN dan SARAN Page 33
34 KESIMPULAN Berdasarkan hasil analisis dan pembahasan dapat diambil kesimpulan sebagai berikut, 1. Karakteristik guru yang mengajar di SD/MI kota Mojokerto kebanyakan berusia diatas 45 tahun dan dibawah 30 tahun, sedangkan guru yang paling sedikit mengajar di SD/MI kota Mojokerto yaitu guru yang memiliki umur berkisar dari 31 tahun sampai 35 tahun. Dan untuk jenjang pendidikan guru yang mengajar di SD/MI di kota Mojokerto kebanyakan guru yang sudah memegang ijasah Sarjana (S1) dengan prosentase yang mencapai 50%, dan juga di ikuti guru dengan jenjang pendidikan Diploma 2 (D2). Sedangkan guru atau penjaga yang memiliki prosentase kecil yaitu guru atau penjaga yang jenjang pendidikannya Sekolah Dasar (SD) dengan prosentase 1%, dan untuk guru yang jenjang pendidikannya sampai Diploma 1 (D1), Diploma 3 (D3), dan Magister (S2) memiliki prosentase 2%. 2. Pengelompokkan terhadap SD/MI di kota Mojokerto terbentuk menjadi tiga kelompok dimana pengelompokan berdasarkan nilai UASBN (Ujian Akhir Sekolah Berstandar Nasional) pada tahun ajaran , dengan mata pelajaran yang di ujikan yaitu Bahasa Indonesia, Matematika, IPA (Ilmu Pengetahuan Alam). Dan kelompok yang didapatkan terdiri dari kelompok satu termasuk dalam kategori nilai tinggi yaitu nilai yang di dapatkan lebih dari nilai rata-rata keseluruhan dengan jumlah sekolah sebanyak dua puluh delapan SD/MI, kelompok dua termasuk dalam kategori nilai sedang yaitu nilai yang di dapatkan hampir mendekati dari nilai rata-rata keseluruhan dengan jumlah sekolah sebanyak dua puluh delapan SD/MI dan untuk kelompok ketiga termasuk dalam kategori rendah yaitu nilai yang didapatkan kurang ataupun jauh dari nilai rata-rata keseluruhan dengan jumlah sekolah sebanyak dua SD/MI yaitu MI Darul Huda dan MI GUPPI. SARAN Berdasarkan hasil penelitian, dapat diketahui perlu adanya bimbingan ataupun pembinaan terhadap SD/MI yang berada pada kelompok tiga atau kelompok rendah, agar sekolah tersebut juga mencetak siswa-siswi yang berprestasi seperti halnya sekolah lainnya. Dan untuk sekolah yang berada pada kelompok tinggi agar bisa mempertahankan apa yang sudah ada saat ini. Page 34
35 DAFTAR PUSTAKA Anonim Masalah Pendidikan di Indonesia Dikbud Ujian Nasional. Hair J.F., Rolph E. Anderson, Ronald L. Tatham, William C. Black Multivariate Data Analysis. Sixth Edition, Pearson Education Prentice Hall, Inc. Johnson, N. And Wichern, D Applied Multivariate Statistical Analysis, 5 th Edition. New Jersey: Prentice Hall, Englewood Cliffs. Sharma, Subhash Applied Multivariate Technique, John Wiley. New York. Sisdiknas. Undang-Undang Republik Indonesia Nomor 20 Tahun 2003 Tentang Sistem Pendidikan Nasional Page 35
36 Page 36
FAKTOR-FAKTOR YANG MEMPENGARUHI PENJURUSAN SISWA MELALUI ANALISIS DISKRIMINAN. Nerli Khairani Lia Anggriani Siregar. Abstrak
97 FAKTOR-FAKTOR YANG MEMPENGARUHI PENJURUSAN SISWA MELALUI ANALISIS DISKRIMINAN Nerli Khairani Lia Anggriani Siregar Abstrak Analisis diskriminan adalah metode statistika yang digunakan untuk mengelompokkan
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 terperinciPemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi
Pemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi Oleh : Teguh Purianto (0 09 06) Dosen Pembimbing : Wibawati, S.Si., M.Si. ABSTRAK Anak
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 295-304 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN DISKRIMINAN KUADRATIK KLASIK DAN DISKRIMINAN KUADRATIK
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 terperinciHASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:
. Menyiapkan gugus data pencilan dengan membangkitkan peubah acak normal ganda dengan parameter µ yang diekstrimkan dari data contoh dan dengan matriks ragam-peragam yang sama dengan data contoh. Proses
Lebih terperinciANALISA PENDIDIKAN DASAR DAN MENENGAH MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS BERBASIS WEB (Studi Kasus : Kota Mojokerto, Jawa Timur)
ANALISA PENDIDIKAN DASAR DAN MENENGAH MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS BERBASIS WEB (Studi Kasus : Kota Mojokerto, Jawa Timur) ELON FADILAH SETIAWAN 3510100052 JURUSAN TEKNIK GEOMATIKA FAKULTAS TEKNIK
Lebih terperinciSKRIPSI. Oleh : LAILI ISNA NUR KHIQMAH NIM :
PERBANDINGAN DISKRIMINAN KUADRATIK KLASIK DAN DISKRIMINAN KUADRATIK ROBUST PADA KASUS PENGKLASIFIKASIAN PEMINATAN PESERTA DIDIK (Studi Kasus di SMA Negeri 1 Kendal Tahun Ajaran 2014/2015) SKRIPSI Oleh
Lebih terperinciANALISIS DISKRIMINAN FISHER POPULASI GANDA UNTUK KLASIFIKASI NASABAH KREDIT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 575-581 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS DISKRIMINAN FISHER POPULASI GANDA UNTUK KLASIFIKASI
Lebih terperinciWALIKOTA MOJOKERTO PROVINSI JAWA TIMUR PERATURANDAERAHKOTAMOJOKERTO NOMOR 17 TAHUN 2015 TENTANG PEMBENTUKANKECAMATANKRANGGAN
WALIKOTA MOJOKERTO PROVINSI JAWA TIMUR PERATURANDAERAHKOTAMOJOKERTO NOMOR 17 TAHUN 2015 TENTANG PEMBENTUKANKECAMATANKRANGGAN DENGAN RAHMATTUHANYANGMAHAESA WALIKOTAMOJOKERTO, Menimbang a. bahwa dalam rangka
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 terperinciPENGELOMPOKAN KABUPATEN/KOTA DI KALIMANTAN BARAT BERDASARKAN INDIKATOR DALAM PEMERATAAN PENDIDIKAN MENGGUNAKAN METODE MINIMAX LINKAGE
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 05, No. 02 (2016), hal 253-260 PENGELOMPOKAN KABUPATEN/KOTA DI KALIMANTAN BARAT BERDASARKAN INDIKATOR DALAM PEMERATAAN PENDIDIKAN MENGGUNAKAN
Lebih terperinciAnalisis Pengelompokkan Berdasarkan Indikator Partisipasi Perempuan di Propinsi Jawa Timur
Nama : Analisis Pengelompokkan Berdasarkan Indikator Partisipasi Perempuan di Propinsi Jawa Timur Dimas Okky S. (1307030006) Dosen Pembimbing : Dr.Dra.Ismaini Zain, MSi PENDAHULUAN LATAR BELAKANG Partisipasi
Lebih terperinciCAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai
CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai Penguasaan Pengetahuan 5.1 Mampu mengidentifikasi permasalahan multivariat 5.2 Mampu menerapkan konsep
Lebih terperinciANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN I SUKASARI PURWAKARTA)
Prosiding Seminar Matematika dan Pendidikan Matematika ISBN: 978-60-61-0-9 hal 693-703 November 016 ANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang digunakan adalah Quasi Experiment atau Penelitian
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan adalah Quasi Experiment atau Penelitian Semu. Jenis penelitian ini dilakukan untuk menguji hipotesis tentang efektif atau tidaknya
Lebih terperinciMULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK Kishartini 1, Diah Safitri 2, Dwi Ispriyanti 3
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 711-718 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI
Lebih terperinciEVALUASI KETEPATAN KLASIFIKASI KELULUSAN TES KETERAMPILAN SNMPTN BIDANG OLAHRAGA MENGGUNAKAN ANALISIS DISKRIMINAN KERNEL
SEMINAR HASIL TUGAS AKHIR Surabaya, 0 Desember 0 EVALUASI KETEPATAN KLASIFIKASI KELULUSAN TES KETERAMPILAN SNMPTN BIDANG OLAHRAGA MENGGUNAKAN ANALISIS Oleh : Yosiana Fitria. W (308 00 08) Pembimbing :
Lebih terperinciRata-rata Nilai. 2 saudara 25%
Nilai Rata-rata UASBN.4.2 23.8 23.6 23,96 laki-laki,36 perempuan Gambar 6.2 Bar Chart Nilai Rata-Rata UASBN 2009/2010 Menurut Jenis Kelamin Berdasarkan Gambar 6.2, dapat diketahui hubungan antara nilai
Lebih terperinciAnalisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur
Analisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur Qonitatin Nafisah, Novita Eka Chandra Jurusan Matematika Fakultas MIPA Universitas Islam Darul Ulum Lamongan
Lebih terperinciAnalisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya
Jurnal Penelitian Sains Volume 14 Nomer 4(A) 14403 Analisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya Yuli Andriani,
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:
ISSN: 339-541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 014, Halaman 313-3 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN ANALISIS KLASIFIKASI MENGGUNAKAN METODE K-NEAREST NEIGHBOR
Lebih terperinciSecond-Order Confirmatory Factor Analysis pada Kemiskinan di Kabupaten Jombang
JURNAL SAINS DAN SENI POMITS Vol. 3, No., (014) 337-350 (301-98X Print) D-78 Second-Order Confirmatory Factor Analysis pada di Kabupaten Jombang Masnatul Laili dan Bambang Widanarko Otok Jurusan Statistika,
Lebih terperinciPROSIDING ISSN: M-14 ANALISIS K-MEANS CLUSTER UNTUK PENGELOMPOKAN KABUPATEN /KOTA DI JAWABARAT BERDASARKAN INDIKATOR MASYARAKAT
M-14 ANALISIS K-MEANS CLUSTER UNTUK PENGELOMPOKAN KABUPATEN /KOTA DI JAWABARAT BERDASARKAN INDIKATOR MASYARAKAT Soemartini 1, dan Enny Supartini 2 1,2) Departemen Statistika FMIPA UNPAD Bandung tine_soemartini@yahoocom,
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 terperinciAnalisis Klaster untuk Pengelompokan Kemiskinan di Jawa Barat Berdasarkan Indeks Kemiskinan 2016
Analisis Klaster untuk Pengelompokan Kemiskinan di Jawa Barat Berdasarkan Indeks Kemiskinan 2016 Rana Amani Desenaldo 1 Universitas Padjadjaran 1 rana.desenaldo@gmail.com ABSTRAK Kesejahteraan sosial adalah
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL G DAN DIAGRAM KONTROL S BESERTA APLIKASINYA
Program Studi MMT-ITS, Surabaya 7 Juli 03 PERBANDINGAN KINERJA DIAGRAM KONTROL G DAN DIAGRAM KONTROL S BESERTA APLIKASINYA Marlon Stivo Noya Van Delsen, *) dan Muhammad Mashuri ) ) Jurusan Statistika,
Lebih terperinciDAFTAR ISI. Luas Wilayah Menurut Penggunaan Lahan per Kecamatan/ Kelurahan (Ha)... 3 II. KEPENDUDUKAN DAN KELUARGA BERENCANA... 4
DAFTAR ISI I. KEADAAN GEOGRAFIS... Tabel. Letak Geografis Tahun 2007... Tabel 2. Banyaknya Dusun /Lingkungan, RW dan RT Kec/ Kelurahan... 2 Tabel 3. Luas Wilayah Menurut Penggunaan Lahan per Kecamatan/
Lebih terperinciDhiani Tresna Absari,ST. Dosen Jurusan Teknik Informatika Universitas Surabaya
PERENCANAAN PEMBUATAN SISTEM PENUNJANG KEPUTUSAN DENGAN MENGGUNAKAN METODE CLUSTERING PADA STUDI KELAYAKAN PEMBUKAAN JARINGAN TRAYEK ANGKUTAN KOTA (SISTEM PENUNJANG KEPUTUSAN JARINGAN TRAYEK ANGKUTAN KOTA)
Lebih terperinciVolume I No. 1, Februari 2016 ISSN
Volume I No., Februari 26 ISSN 252-3764 PERBANDINGAN ANALISIS DISKRIMINAN LINEAR, REGRESI LOGISTIK BINER DAN RADIAL BASIS FUNCTION NEURAL NETWORK (RBFNN) (STUDI KASUS PADA PENGKLASIFIKASIAN KETEPATAN WAKTU
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 terperinciOLEH: SINDY FEBRI A DOSEN PEMBINGBING: Ir. ARIE KISMANTO, M.Si. Monday, July 18, 2011 Seminar Tugas Akhir Jurusan Statistika ITS 1
ANALISIS REGRESI MULTILEVEL TERHADAP FAKTOR-FAKTOR YANG MEMPENGARUHI NILAI UASBN SD/MI (Studi Kasus Nilai UASBN SD/MI di Kecamatan Tulangan Tahun Ajaran 2009/2010) OLEH: SINDY FEBRI A. 1307 100 066 DOSEN
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini bertujuan untuk menelaah apakah terdapat perbedaan
56 BAB III METODE PENELITIAN A. Desain penelitian Penelitian ini bertujuan untuk menelaah apakah terdapat perbedaan kemampuan dan peningkatan pemahaman konsep dan penalaran matematis antara siswa yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Traveling Salesmen Problem (TSP) Travelling Salesman Problem (TSP) merupakan sebuah permasalahan optimasi yang dapat diterapkan pada berbagai kegiatan seperti routing. Masalah
Lebih terperinciESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang)
BIAStatistics (215) Vol. 9, No. 2, hal. 1-6 ESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang) 1 Didin Astriani P, 2 Jadi
Lebih terperinciANALISIS PENGENDALIAN KUALITAS STATISTIK MULTIVARIAT PADA PROSES PENGGILINGAN AKHIR SEMEN DI PT. SEMEN GRESIK
Seminar Tugas Akhir Diploma III Statistika Institut Teknologi Sepuluh Nopember 011 ANALISIS PENGENDALIAN KUALITAS STATISTIK MULTIVARIAT PADA PROSES PENGGILINGAN AKHIR SEMEN DI PT. SEMEN GRESIK Oleh : Yuanita
Lebih terperinciPENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR
PENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR Inge Ratih Puspitasari, Hendro Permadi, dan Trianingsih Eni Lestari Universitas
Lebih terperinciSemester : VI Hal: 1 dari 6. No.Revisi : 00. Deskripsi. Kemampuan manjerial. tertulis. Sikap dan. tata nilai 2-RP 1-CP DN, PA,BAK& RN)
PROD S1 STATSTKA FMPA TS RP S1 SP 08 Kurikulum 2014, Edisi : September 2014 A. CAPAAN PEMBELAJARAN : CP 11.11 : Mampu menganalisis data secara KUANTTATF baik secara Univariat maupun Multivariat serta menerapkannya
Lebih terperinciAPLIKASI ANALISIS DISKRIMINAN UNTUK MENENTUKAN FUNGSI PENGELOMPOKAN PADA PROGRAM PEMBAGIAN KARTU KELUARGA SEJAHTERA (KKS)
APLIKASI ANALISIS DISKRIMINAN UNTUK MENENTUKAN FUNGSI PENGELOMPOKAN PADA PROGRAM PEMBAGIAN KARTU KELUARGA SEJAHTERA (KKS) (Studi Kasus pada Kelurahan 1 Ulu Kecamatan Seberang Ulu 1 Palembang) Didin Astriani
Lebih terperinciAplikasi Multidimensional Scaling Untuk Peningkatan Pelayanan Proses Belajar Mengajar (PBM).
Aplikasi Multidimensional Scaling Untuk Peningkatan Pelayanan Proses Belajar Mengajar (PBM). Irlandia Ginanjar Staf Pengajar Jurusan Statistika FMIPA, Unpad Bandung. Abstrak Tujuan dari penelitian ini
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Populasi dan Sampel Populasi adalah kelompok besar individu yang mempunyai karakteristik umum yang sama atau kumpulan dari individu dengan kualitas serta ciri-ciri yang telah ditetapkan.
Lebih terperinciVolume II No. 2, Juni 2017 ISSN
Volume II No., Juni 7 ISSN 5-74 MODEL PREDIKSI TIMELINESS PELAPORAN KEUANGAN MENGGUNAKAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE ( Studi Kasus pada Perusahaan Perbankan Go Public di BEI) Erna Hayati
Lebih terperinciPROSIDING ISSN : Seminar Nasional Statistika 12 November 2011 Vol 2, November 2011
(DS.6) ANALISIS KURVA PERTUMBUHAN SEBAGAI ANALISIS SETELAH MANOVA UNTUK DATA LONGITUDINAL Enny Supartini Statistika F MIPA Universitas Padjadjaran Bandung e-mail : arthinii@yahoo.com Abstrak Eksperimen
Lebih terperinciAnalisis Biplot untuk Pemetaan Posisi dan Karakteristik Usaha Pariwisata di Provinsi Bali
Jurnal Matematika Vol. 6 No. 1, Juni 2016. ISSN: 1693-1394 Analisis Biplot untuk Pemetaan Posisi dan Karakteristik Usaha Pariwisata di Provinsi Bali I Gusti Ayu Made Srinadi Jurusan Matematika, Fakultas
Lebih terperinciJURNAL MATEMATIKA DAN PEMBELAJARANNYA 2016 VOLUME 2, NO. 1. ISSN
VOLUME 2, NO. 1. ISSN 2303-0992 N. PONTO PENGKAJIAN PEMBENTUKAN MODEL KLASIFIKASI DALAM PENGELOMPOKKAN JURUSAN SISWA DI SMA (Studi Kasus: Siswa SMA Negeri Siau Timur Kabupaten Siau Tagulandang Biaro Propinsi
Lebih terperinciPengendalian Kualitas Statistik Produk Botol Sting 240 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum
Pengendalian Kualitas Statistik Produk Botol Sting 40 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum 1308030047 PENDAHULUAN LATAR BELAKANG PT IGLAS (Persero) merupakan perusahaan manufacturing
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Clustering Analysis Clustering analysis merupakan metode pengelompokkan setiap objek ke dalam satu atau lebih dari satu kelompok,sehingga tiap objek yang berada dalam satu kelompok
Lebih terperinciBAB II TINJAUAN PUSTAKA
II.1 BAB II TINJAUAN PUSTAKA 2.1 Travelling Salesman Problem (TSP) Permasalahan tentang Traveling Salesman Problem dikemukakan pada tahun 1800 oleh matematikawan Irlandia William Rowan Hamilton dan matematikawan
Lebih terperinciAnalisis Pengendalian Kualitas Multivariate Air Minum (Studi Kasus di PDAM Gresik)
J. Math. and Its Appl. ISSN: 19-65X Vol., No. 1, May. 5, 47 59 Analisis Pengendalian Kualitas Multivariate Air Minum (Studi Kasus di PDAM Gresik) Nuri Wahyuningsih, Dwi Pusdikarta Jurusan Matematika Institut
Lebih terperinciJMP : Volume 6 Nomor 1, Juni 2014, hal REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP
JMP : Volume 6 Nomor 1, Juni 014, hal. 45-5 REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP Saniyah dan Budi Pratikno Program Studi Matematika Fakultas Sains dan Teknik Universitas
Lebih terperinciPENGARUH KELEMBABAN DAN SERI TANAH TERHADAP MUTU DAN PRODUKSI TANAMAN TEMBAKAU TEMANGGUNG DENGAN METODE MANOVA
Co. Pembimbing Dr. Ir. Djumali, MP Seminar Hasil Tugas Akhir PENGARUH KELEMBABAN DAN SERI TANAH TERHADAP MUTU DAN PRODUKSI TANAMAN TEMBAKAU TEMANGGUNG DENGAN METODE MANOVA Oleh: Miftalia Al Riza (1308
Lebih terperinciBAB I PENDAHULUAN. Sekolah Menengah Atas (disingkat SMA), adalah jenjang pendidikan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sekolah Menengah Atas (disingkat SMA), adalah jenjang pendidikan menengah pada pendidikan formal di Indonesia setelah lulus Sekolah Menengah Pertama (atau sederajat).
Lebih terperinciSILABUS PERKULIAHAN METODE STATISTIKA MULTIVARIAT 3 SKS KODE :
SILABUS PERKULIAHAN METODE STATISTIKA MULTIVARIAT 3 SKS KODE : JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA 2005-2006 MATAKULIAH
Lebih terperinciAnalisis Cluster, Analisis Diskriminan & Analisis Komponen Utama. Analisis Cluster
Analisis Cluster Analisis Cluster adalah suatu analisis statistik yang bertujuan memisahkan kasus/obyek ke dalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang lain.
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung) SKRIPSI Oleh : VICA NURANI 24010211130033 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciSemakin besar persentase CCR yang dihasilkan, maka tingkat akurasi yang dihasilkan semakin tinggi (Hair et. al., 1995).
3 fungsi diskriminan cukup untuk memisahkan k buah kelompok. Karena fungsi-fungsi diskriminan tidak saling berkorelasi, maka komponen aditif dari V masing-masing didekati dengan khi-kuadrat dengan V j
Lebih terperinci2. Kegiatan a. Belanja Jasa Konsultasi/Pendamping Perencanaan Teknis Pembangunan RSUD Surodinawan.
1. URUSAN WAJIB YANG DILAKSANAKAN 1.1. Program dan Kegiatan Program dan Kegiatan Urusan Wajib yang dilaksanakan oleh Dinas Pekerjaan Umum Kota Mojokerto meliputi 3 Bidang diantaranya Bidang Bina Marga,
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 terperinciLOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si
LOGO Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si PENDAHULUAN 1 2 3 4 Latar Belakang Tujuan Manfaat Batasan Masalah Latar Belakang Kesempatan memperoleh pendidikan merupakan prioritas utama
Lebih terperinciOleh: Yogya Ardi Winata 1), Dr. Dhoriva Urwatul W, M.S. 2) Program Studi Matematika, Jurusan Pendidikan Matematika, FMIPA UNY
Penerapan Analisis Kovarians... (Yogya Ardi Winata) 1 PENERAPAN ANALISIS KOVARIANS MULTIVARIAT PADA BIDANG GIZI (Study Kasus: Pengaruh Perbedaan Tingkat Kelas Terhadap Rata-rata Frekuensi Makan, Asupan
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 terperinciE-book Statistika Gratis... Statistical Data Analyst. Penyajian Data Statistik
Penyajian Data Statistik Pada penulisan kedua tentang Statistika Elementer ini, penulis akan memberikan bahasan mengenai Penyajian Data Statistik kepada para pembaca untuk mengetahui bentuk penyajian data
Lebih terperinciDiagram ARL W i & W Ri. Varian
maka nilai RL 1 yang ada ditambah satu sampai ditemui adanya out of control. Menentukan 1 dengan menghitung rata-rata RL 1 dari keseluruhan replikasi. Untuk aplikasi data yang digunakan dalam penelitian
Lebih terperinciANALISIS DISKRIMINAN PADA KLASIFIKASI DESA DI KABUPATEN TABANAN MENGGUNAKAN METODE K-FOLD CROSS VALIDATION
E-Jurnal Matematika Vol 6 (2), Mei 2017, pp 106-115 ISSN: 2303-1751 ANALISIS DISKRIMINAN PADA KLASIFIKASI DESA DI KABUPATEN TABANAN MENGGUNAKAN METODE K-FOLD CROSS VALIDATION Ida Ayu Made Supartini 1,
Lebih terperinciPemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal
Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Oleh: DELTA ARLINTHA PURBASARI 1311030086 Dosen Pembimbing: Dr. Vita
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Pada bab ini akan disajikan hasil penelitian yang telah dilakukan meliputi
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini akan disajikan hasil penelitian yang telah dilakukan meliputi deskripsi data, pengujian prasyarat analisis, pengujian hipotesis dan pembahasan hasil
Lebih terperinciPenerapan Garis Berat Segitiga Centroid untuk Menentukan Kelompok pada Analisis Diskriminan
Penerapan Garis Berat Segitiga Centroid untuk Menentukan Kelompok pada Analisis Diskriminan I Komang Gede Sukarsa, I Putu Eka Nila Kencana 2, NM. Dwi Kusumawardani 3 Laboratorium Statistika Jurusan Matematika
Lebih terperinciPEMODELAN KINERJA LEMBAGA PERANGKAT DAERAH
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 6 Mei 009 PEMODELAN KINERA LEMBAGA PERANGKA DAERAH KARIYAM enaga Pengaar urusan Statistika
Lebih terperinciProsiding Seminar Nasional Matematika, Universitas Jember, 19 November
Prosiding Seminar Nasional Matematika, Universitas Jember, 19 November 2014 192 Perbandingan Analisis Diskriminan Linier, Diskriminan Linier Robust dan Regresi Logistik Biner (Studi Kasus Pada Penjurusan
Lebih terperinciAnalisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM)
Sidang Tugas Akhir Surabaya, 15 Juni 2012 Analisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM) Wenthy Oktavin Mayasari
Lebih terperinciANALISIS DATA UNIVARIATE DAN MULTIVARIATE
ANALISIS DATA UNIVARIATE DAN MULTIVARIATE Febti Eka Pratiwi (383) cation_forever@yahoo.com Ria Dhea Layla NK (38363) d.d_bgt@hellokitty.co.id Abstrak Peningkatan produksi padi guna penyediaan beras sebagai
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Seperti yang kita ketahui, bahwa akhir-akhir ini nilai standar kelulusan Ujian Nasional (UN) di Indonesia terkhususnya pendidikan di tingkat SMA semakin tinggi. Oleh
Lebih terperinciPROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN:
161 STRUCTURAL EQUATION MODELLING (SEM) DENGAN MODEL STRUKTURAL REGRESI SPASIAL Tisti Ilda Prihandini 1, Sony Sunaryo 2 1) Mahasiswa Magister Jurusan Statistika ITS 2) Dosen Jurusan Statistika ITS Abstrak
Lebih terperinciESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang)
ESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang) Didin Astriani P 1, Jadi Suprijadi 2, Zulhanif 3 Program Pendidikan
Lebih terperinciSKRIPSI. Untuk memenuhi Sebagian Persyaratan Memperoleh Gelar Sarjana Sains. Oleh SUCIANA BUDI ARYANI
PERBANDINGAN LATAR BELAKANG DAN PRESTASI AKADEMIK MAHASISWA YANG DITERIMA MELALUI JALUR PMDK, SNMPTN DAN SPMBM (Studi Kasus : Mahasiswa Jurusan Matematika Fakultas MIPA Universitas Andalas) SKRIPSI Untuk
Lebih terperinciDOSEN PEMBIMBING : DWI ENDAH KUSRINI, S. Si, M. Si
DOSEN PEMBIMBING : DWI ENDAH KUSRINI, S. Si, M. Si EFEKTIFITAS ALIRAN DAN PENGGUNAAN DANA BOS UNTUK PENGEMBANGAN SEKOLAH DI WILAYAH SURABAYA DENGAN METODE ANALISIS KORESPONDENSI Nalini Yaiwan 1307030055
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 terperinciSILABUS. : Drs. Nar Herrhyanto, M.Pd.
0 SILABUS 1. Identitas Mata Kuliah Nama Mata Kuliah : Analisis Regresi dan Korelasi Kode Mata Kuliah : MT 521 Jumlah SKS : 3 Semester : 7 Kelompok Mata Kuliah : Mata Kuliah Perluasan dan Pendalaman (MKPP)
Lebih terperinciASUMSI MODEL SEM. d j
ASUMSI MODEL SEM Asumsi yang harus dipenuhi dalam analisis SEM di antaranya adalah data berdistribusi multivariat normal, untuk memeriksanya dapat dilakukan dengan menghitung nilai jarak kuadrat pada setiap
Lebih terperinciPENGELOMPOKAN PROPINSI DI INDONESIA BERDASARKAN HASIL PRODUKSI PERTANIAN DAN PETERNAKAN UNTUK MENDUKUNG KETAHANAN PANGAN NASIONAL
PENGELOMPOKAN PROPINSI DI INDONESIA BERDASARKAN HASIL PRODUKSI PERTANIAN DAN PETERNAKAN UNTUK MENDUKUNG KETAHANAN PANGAN NASIONAL Oleh: M. ALFIN FANANDRI (1310 030 045) DOSEN PEMBIMBING Dr. Brodjol Sutijo
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 1-10 Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 1-10 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMISAHAN DESA/KELURAHAN DI KABUPATEN SEMARANG MENURUT STATUS DAERAH
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume, Nomor, April 013, Halaman 119-18 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN KOEFISIEN KORELASI KANONIK DAN INTERPRETASI FUNGSI KANONIK MULTIVARIAT Muhamad
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 terperinciANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA
ANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA IKO PUTRI TYASHENING 1311 030 013 Dosen Pembimbing : Dr Santi Wulan Purnami, MSi PENDAHULUAN PENDAHULUAN RUMUSAN
Lebih terperinciOleh : Nita Indah Mayasari Dosen Pembimbing : Dra. Ismaini Zain, M.Si
Oleh : Nita Indah Mayasari - 1305 100 024 Dosen Pembimbing : Dra. Ismaini Zain, M.Si Jawa Timur Angka Rawan Pangan 19,3 % STATUS EKONOMI SOSIAL Rumah Tangga Pedesaan Rumah Tangga Perkotaan Perbedaan pengeluaran
Lebih terperinciPENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN)
Saintia Matematika Vol. 1, No. 6 (2013), pp. 507 516. PENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN) Juliarti Hardika,
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 1-10 Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 1-10 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN ANALISIS DISKRIMINAN FISHER DAN NAIVE BAYES UNTUK
Lebih terperinciPROSIDING ISSN: M-19 PROFIL PROVINSI DI INDONESIA BERDASARKAN SARANA PELAYANAN KESEHATAN MENGGUNAKAN ANALISIS KORESPONDENSI
M-19 PROFIL PROVINSI DI INDONESIA BERDASARKAN SARANA PELAYANAN KESEHATAN MENGGUNAKAN ANALISIS KORESPONDENSI Titi Purwandari 1, Yuyun Hidayat 2 1,2) Departemen Statistika FMIPA Universitas Padjadjaran email
Lebih terperinciPelayanan Jamkesda Ditinjau Dari Perspektif Transparansi Dan Akuntabilitas (Studi Kasus Di RSU Dr. Wahidin Sudiro Husodo Pemerintah Kota Mojokerto)
Pelayanan Jamkesda Ditinjau Dari Perspektif Transparansi Dan Akuntabilitas (Studi Kasus Di RSU Dr. Wahidin Sudiro Husodo Pemerintah Kota Mojokerto) SKRIPSI Disusun Oleh : DWI SEPTIAN WIDIANTO PUTRI NPM.
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 terperinciPENGELOMPOKAN DESA/KELURAHAN DI KOTA DENPASAR MENURUT INDIKATOR PENDIDIKAN
E-Jurnal Matematika Vol. (), Mei, pp. - ISSN: - PENGELOMPOKAN DESA/KELURAHAN DI KOTA DENPASAR MENURUT INDIKATOR PENDIDIKAN Ni Wayan Aris Aprilia A.P, I Gusti Ayu Made Srinadi, Kartika Sari Jurusan Matematika,
Lebih terperinciANALISA PENGARUH FAKTOR SOSIO EKONOMI TERHADAP OPPORTUNITY ENTREPRENEURSHIP (STUDI PADA INDUSTRI MAKANAN DAN MINUMAN DI PULAU JAWA DAN NUSA TENGGARA)
ANALISA PENGARUH FAKTOR SOSIO EKONOMI TERHADAP OPPORTUNITY ENTREPRENEURSHIP (STUDI PADA INDUSTRI MAKANAN DAN MINUMAN DI PULAU JAWA DAN NUSA TENGGARA) Gerry Budiman Program Manajemen Bisnis, Program Studi
Lebih terperinciPemetaan Biplot untuk Masalah Putus Sekolah Pendidikan Dasar pada Masyarakat Miskin antar Kecamatan di Kabupaten Ogan Ilir
Jurnal Penelitian Sains Volume 14 Nomer 2(A) 14203 Pemetaan Biplot untuk Masalah Putus Sekolah Pendidikan Dasar pada Masyarakat Miskin antar Kecamatan di Kabupaten Ogan Ilir Dian Cahyawati S. dan Oki Dwipurwani
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 907-916 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN REGRESI LINIER MULTIVARIAT DENGAN METODE PEMILIHAN
Lebih terperinciGRAFIK PENGENDALI Mnp PADA DATA TAK SESUAI
GRAFIK PENGENDALI Mnp PADA DATA TAK SESUAI Nonik Brilliana P 1, Sudarno 2, dan Suparti 2 1 Mahasiswa Jurusan Statistika FSM Undip 2 Staf Pengajar Jurusan Statistika FSM Undip Abstrak Pada era globalisasi
Lebih terperinciKata Kunci: Bagan kendali Multivariat np, karakteristik kecacatan, tahap start-up stage, tahap pengendalian proses
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 161 167 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGONTROLAN KUALITAS PRODUK MENGGUNAKAN METODE BAGAN KENDALI MULTIVARIAT NP DALAM USAHA PENINGKATAN
Lebih terperinci*Corresponding Author:
PERBANDINGAN KINERJA METODE COMPLETE LINKAGE DAN AVERAGE LINKAGE DALAM MENENTUKAN HASIL ANALISIS CLUSTER (Studi Kasus: Produksi Palawija Provinsi Kalimantan Timur 2014/2015) Silvia Ningsih 1, Sri Wahyuningsih
Lebih terperinciANALISIS KLASTER KECAMATAN DI KABUPATEN SEMARANG BERDASARKAN POTENSI DESA MENGGUNAKAN METODE WARD DAN SINGLE LINKAGE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 801-810 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS KLASTER KECAMATAN DI KABUPATEN SEMARANG BERDASARKAN
Lebih terperinciPENGELOMPOKANKINERJA DOSEN JURUSAN MATEMATIKA FMIPAUNTAN BERDASARKANPENILAIAN MAHASISWA MENGGUNAKAN METODE WARD
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 2 (2013), hal 93 100. PENGELOMPOKANKINERJA DOSEN JURUSAN MATEMATIKA FMIPAUNTAN BERDASARKANPENILAIAN MAHASISWA MENGGUNAKAN METODE WARD
Lebih terperinci