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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 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 Universitas Padjadjaran, Staf Pengajar Jurusan Statistika FMIPA Universitas Padjadjaran ABSTRAK Pada beberapa ekperimen yang digunakan pada banyak penelitian seringkali bertujuan untuk melakukan optimasi perlakuan yang dicobakan. Proses optimasi tersebut bertujuan untuk mendapatkan setting taraf faktor yang mampu menghasilkan respon yang terbaik. Salah satu alternatif analisis yang dapat digunakan adalah metode response surface. Metode response surface merupakan suatu pengembangan metode polinomial ortogonal. Dengan metode response surface akan didapatkan suatu persamaan regresi yang dapat berbentuk linear maupun non linear. Komposisi perlakuan yang optimal dapat dilihat melalui contour plot dan surface plot. Pada contoh yang digunakan (optimasi kuat tekan paving block), didapatkan hasil bahwa komposisi perlakuan yang menghasilkan kuat tekan paving block terbaik adalah komposisi dengan kadar air %, tingkat kehalusan pasir 4,5 mm dan jumlah pasir yang terkandung dalam campuran bahan pengisi sebanyak 5 gram. Kata kunci : Response Surface, contour plot, surface plot, optimasi.. PENDAHULUAN Menurut Gill dkk (99), metode optimasi dalam hubungan matematik biasanya menyangkut pengertian memaksimalkan atau meminimalkan. Sedangkan menurut Bronson (98), dalam suatu problem optimasi diusahakan untuk memaksimalkan atau meminimalkan suatu besaran spesifik sebagai tujuan (objective) yang tergantung dari input sebuah variabel keputusan. Optimasi merupakan suatu proses untuk mencapai hasil yang ideal atau optimal (nilai efektif yang dapat dicapai). Dalam disiplin matematika, optimasi merujuk pada studi permasalahan yang mencoba mencari solusi optimal, yaitu penyelesaian yang tidak melanggar batasan-batasan yang ada yang mempunyai nilai tujuan paling terbesar atau terkecil, tergantung fungsi tujuannya yaitu maksimal atau minimal (Lieberman and Hillier,995). Manajemen Risiko di Bidang Perbankan dan Asuransi 88

2 Universitas Padjadjaran, November 00 Menurut Douglas C. Montgomery (009), response surface merupakan suatu metode gabungan antara teknik matematika dan teknik statistika yang berguna untuk mengembangkan, meningkatkan, dan mengoptimalkan suatu proses. Metode response surface ini dapat digunakan untuk mencari titik optimum dari suatu proses yang telah dilakukan dan untuk mengoptimumkan suatu proses yang telah ada. Response Surface digunakan untuk menyelidiki hubungan antara beberapa variabel yang memberikan pengaruh pada satu atau lebih variabel respon. Dalam metode response surface ini digunakan rangkaian eksperimen yang dirancang untuk memperoleh respon yang optimal (G. E. P. Box dan K. B. Wilson; 978). Response surface merupakan suatu metode pengembangan dari polinom ortogonal, sehingga dengan menggunakan metode response surface ini akan didapatkan suatu model persamaan regresi yang dapat berbentuk linier maupun non linier. Selain persamaan regresi tersebut, dengan metode response surface ini akan didapatkan juga komposisi taraf yang optimal yang dapat dilihat melalui contour plot dan surface plot.. TUJUAN Melakukan proses optimasi komposisi perlakuan dengan menerapkan metode response surface untuk mendapatkan respon pengamatan yang terbaik.. LANDASAN TEORI Pada setiap eksperimen yang dilakukan baik yang bertujuan untuk proses optimasi ataupun yang bukan optimasi, perlu ditentukan terlebih dahulu desain dasar dari eksperimen tersebut. Desain dasar yang digunakan dan dicobakan pada suatu eksperimen yang melibatkan dua faktor atau lebih adalah desain faktorial. Perlakuan pada desain faktorial merupakan komposisi taraf dari faktor faktor yang digunakan. Pengaruh perlakuan diuji dengan menggunakan Analisi Varians (ANAVA) yang mampu memecah pengaruh perlakuan ke dalam pengaruh utama dan pengaruh interaksinya. Dalam melakukan analisis ANAVA, diperlukan beberapa asumsi yang harus dipenuhi, yaitu normalitas dan homogenitas varians. Untuk uji normalitas ini, yang digunakan adalah nilai residu ( ). di mana:... (.) Ketika eksperimen yang dilakukan bertujuan untuk proses optimasi, maka eksperimen tersebut dipastikan memiliki faktor yang bersifat kuantitatif. Proses optimasi dapat Manajemen Risiko di Bidang Perbankan dan Asuransi 89

3 Universitas Padjadjaran, November 00 dilakukan dengan menggunakan metode response surface. Tahapan yang dilakukan dalam metode response surface adalah sebagai berikut a. Penentuan Polinom Faktor Dengan mengujian polinom faktor ini, maka dapat diketahui tingkat orde dari suatu faktor yang memberikan pengaruh terhadap suatu variabel respon. Untuk menguji polinom faktor tersebut digunakan uji ANAVA. Dalam menentukan polinom faktor, terlebih dahulu dilakukan pengujian tingkat orde faktor. Untuk mencari Jumlah Kuadrat (JK) orde faktor, digunakan perumusan seperti di bawah ini : JK(polinom) ( Y ) ijξi = ξi... (.) dengan nilai ξi berasal dari tabel koefisien polinom ortogonal. Sedangkan untuk nilai F hitung dapat diperoleh dengan membagi Kuadrat Terkecil (KT) dari polinom faktor terhadap KT dari kekeliruan atau dapat dituliskan sebagai berikut: KT(polinom faktor) F= KT(E)... (.) Pengujian dilakukan dengan melihat apakah efek penyimpangan dari model persamaan regresi yang ada masih berlaku atau tidak, apabila efek penyimpangan dari model persamaan regresi tertentu signifikan, maka diperlukan persamaan regresi dengan tingkat orde yang lebih tinggi lagi. Untuk pengujian keberlakuan persamaan regresi dimulai dari orde yang paling rendah hingga orde yang paling tinggi yang dapat dibentuk dalam penelitian. Pada umumnya, persamaan regresi dengan tingkat orde (kuadratik) sudah cukup baik untuk digunakan. Namun pada situasi tertentu, diperlukan juga untuk menggunakan persamaan regresi dengan tingkat orde yang lebih tinggi (Raymond H. Myers, dkk; 009). b. Penentuan Persamaan Regresi Dalam menentukan persamaan regresinya akan didapatkan suatu persamaan regresi yang dapat berbentuk linier ataupun non linier. Untuk model persamaan regresi yang paling sederhana atau orde pertama (linier), bentuk persamaan regresinya adalah sebagai berikut: Manajemen Risiko di Bidang Perbankan dan Asuransi 90

4 Universitas Padjadjaran, November 00 Y = β + β x + β x + β x + ε 0... (.4) dengan Y sebagai respon; x, x, dan x masing-masing sebagai prediktor. Sedangkan β 0, β, β, dan β ditaksir dengan menggunakan metode kuadrat terkecil untuk meminimalkan jumlah kuadrat kekeliruan ε. Sedangkan untuk persamaan regresi dengan tingkat orde (kuadratik). Persamaan regresinya adalah sebagai berikut: y= β+ β x+ β x+ β x+ β x+ β x+ β x+ β xx+ β xx+ β x x+ ε 0... (.5) Di mana suku x x menunjukkan interaksi antara variabel variabel x dan x, suku x x menunjukkan interaksi antara variabel-varabel x dan x, dan suku xx menunjukkan interaksi antara variabel-variabel x dan x. Persamaan di atas dapat ditulis dalam notasi matrix sebagai berikut di mana:... (.6),,, dan... (.7) Koefisien β dalam model-model di atas akan ditaksir dengan menggunakan metoda kuadrat terkecil berdasarkan data hasil eksperimen. Dengan meminimalkan jumlah kuadrat kekeliruan є, yakni Maka L dapat dituliskan menjadi:... (.8)... (.9) karena merupakan skalar (matrix x ), maka. Kemudian L diturunkan terhadap β: Manajemen Risiko di Bidang Perbankan dan Asuransi 9

5 Universitas Padjadjaran, November (.0) Maka, penaksir untuk β yang didapatkan dengan metode kuadrat terkecil adalah c. Menggambarkan Kontur... (.) Garis kontur adalah garis yang menghubungkan titik-titik yang mempunyai ketinggian yang sama dari suatu bidang acuan tertentu. Untuk menggambarkan konturnya, digunakan software tertentu. Hasil dari kontur sendiri ada yang berdimensi dua (contour plot) dan ada yang berdimensi tiga (surface plot). Dengan menggunakan kontur tersebut, dapat terlihat komposisi taraf dari faktor faktor yang optimal dalam memberikan pengaruh terhadap suatu variabel respon. 4. CONTOH KASUS Dalam pembuatan paving block, faktor faktor yang mempengaruhi kuat tekan paving block adalah tingkat kehalusan pasir, kadar air, dan banyaknya jumlah pasir yang terkandung dalam campuran bahan pengisi. Setiap faktor faktor yang ada terdiri atas beberapa taraf. Dalam contoh kasus ini, ingin diketahui komposisi taraf-taraf faktor yang bagaimanakah yang akan menghasilkan kuat tekan paving block yang terbaik. A B C,5,75 6,5 8,75, 4, 7,4, 4, 7,4, 4, 7,4, 4, 7,4 5 55,8 0,9 69,9 70,7 45,7 6, 5,0 7,0 8, 59,0 60,,0 70,6 66,8 40, 56, 09,5 65, 60,8, 50 50, 0,0 5,8 57,0 5,4 49,0 06, 55,5 5, 8,0 45,0 70,5 50,6 50,5 7, 75 9, 69,0 47, 44, 69,5,0 69, 9,9 40,0 88, 8,5 79,5 80, 55, 59, 48,0 0,9 99,5 85, 60, 59,8 5, 75, 9,5 85,5 4,7 69,9 4, 79, 50, 70,5 40, 70,0 4,0 6,8 0,9 60,4 0, 50, 9,0 5,5 4, 49,5,0 44,0 48,0 7,0 90,6 89,0 0,5 99,8 0, 0,7 99,5 00, 95, 60, 99,5 87,4 55, 89, 75,4 49,4 77,0 67, 9, 88,0 79, 89,9 7,5 60, 80, 69,4 00 5, 50,,7 0,9 60,4 0, 5,0 5, 9, 59, 85, 65,9 Manajemen Risiko di Bidang Perbankan dan Asuransi 9

6 Universitas Padjadjaran, November 00 0,9 48, 0, 9,0 5,5 4,, 40, 0, 55, 77,0 67, 9,5 0, 6,0,0 44,0 48,0 0,,5 0,5 49,0 69, 59,5 5,9 5,5 0,5 07,5 0,5 5,9 89,9 05, 99,5 9,5 60, 55,0 5,0 9,, 0, 5,0 5,0 95, 0,7 0,4 5,0 59, 49, 0,0,0 09, 0,0,4,0 88, 09, 95,0 40,0 55, 44,6 Keterangan: A = Banyaknya jumlah pasir yang terkandung dalam campuran bahan pengisi (gram). B = Kadar air (%) C = Tingkat kehalusan pasir (mm) 5. HASIL DAN PEMBAHASAN Dalam contoh kasus ini, data yang digunakan telah memenuhi asumsi berdistribusi normal dan juga homogenitas varians. Oleh karena itu, pengujian selanjutnya dapat dilaksanakan. a. Uji Signifikan untuk Faktor Faktor Tabel 5. Tabel ANAVA Sumber Variasi Dk JK KT F hitung F tabel Rata-rata 48978, ,47 Perlakuan: A 4 77, , 665,8,45 B 67585, ,9 5,9,07 C 844, ,5 455,65,68 AB 66,4 7,0 6,457,0 AC 8 955,74 69,467 7,74,8 BC 6 4,,685 5,06,7 ABC ,585 85,44 4,99,6 Manajemen Risiko di Bidang Perbankan dan Asuransi 9

7 Kekeliruan ,45 4,54 Jumlah ,005 Prosiding Universitas Padjadjaran, November 00 Berdasarkan tabel 5. di atas, dapat disimpulkan bahwa: Banyaknya jumlah pasir yang terkandung dalam campuran bahan pengisi memberikan efek yang signifikan terhadap kuat tekan paving block. Tingkat kehalusan pasir memberikan efek yang signifikan terhadap kuat tekan paving block. Kadar air memberikan efek yang signifikan terhadap kuat tekan paving block. Interaksi antara banyaknya jumlah pasir yang terkandung dalam campuran bahan pengisi dan tingkat kehalusan pasir memberikan efek yang signifikan terhadap kuat tekan paving block. Interaksi antara banyaknya jumlah pasir yang terkandung dalam campuran bahan pengisi dan kadar air memberikan efek yang signifikan terhadap kuat tekan paving block. Interaksi antara tingkat kehalusan pasir dan kadar air memberikan efek yang signifikan terhadap kuat tekan paving block. Interaksi antara banyaknya jumlah pasir yang terkandung dalam campuran bahan pengisi, tingkat kehalusan pasir, dan kadar air memberikan efek yang signifikan terhadap kuat tekan paving block. b. Menentukan Polinom Faktor Setelah dilakukan uji signifikansi terhadap faktor faktor yang ada, selanjutnya dilakukan pengujian untuk menentukan polinom faktornya. Setelah dilakukan pengujian, maka didapatkan bahwa tingkat persamaan regresi yang berlaku adalah persamaan regresi hingga tingkat orde keempat. Dengan menggunakan persamaan (.), maka didapatkan JK (polinom) untuk setiap faktor yang ada. Sedangkan untuk mendapatkan nilai F hitung, maka digunakan persamaan (.). Nilai JK (polinom) dan juga F hitung yang telah didapatkan tersebut dituliskan ke dalam tabel ANAVa seperti di bawah ini Tabel 5. Tabel ANAVA untuk Menentukan Polinom Faktor Sumber Variasi dk JK KT F hitung Rata rata Faktor A A linier A kuadratik ,47 77,46 068,84 575,6 068,84 575,6 64,64,649 Manajemen Risiko di Bidang Perbankan dan Asuransi 94

8 Universitas Padjadjaran, November 00 A kubik A kuartik Faktor B B linier B kuadratik B kubik Faktor C C linier C kuadratik Interaksi A X B A L X B L A L X B D A L X B T A D X B L A D X B D A D X B T A T X B L A T X B D A T X B T A E X B L A E X B D A E X B T Interaksi A X C A L X C L A L X C D A D X C L A D X C D A T X C L A T X C D A E X C L A E X C D Interaksi B X C B L X C L B L X C D B D X C L B D X C D B T X C L B T X C D Interaksi A X B X C A L X B L X C L A L X B L X C D A L X B D X C L A L X B D X C D A L X B T X C L A L X B T X C D A D X B L X C L A D X B L X C D A D X B D X C L ,04 57, , ,0 4854,54 6,97 844,909 07, ,05 66,4 574,49 6,6 96,99 7,508 6,86 6,445,60 87,60 45,94 88,078 80,57, ,74 6, ,08 5,686 5,550,85 847,68 6,44 0,570 4, 8,55 584,94 97,00 69,607 79,79 7, ,585 47,64 867,990 4,75 9,49 9,77 0,470 0,65 6,4 7,590 9,04 57, ,0 4854,54 6,97 07, ,05 574,49 6,6 96,99 7,508 6,86 6,445,60 87,60 45,94 88,078 80,57,869 6, ,08 5,686 5,550,85 847,68 6,44 0,570 8,55 584,94 97,00 69,607 79,79 7,98 47,64 867,990 4,75 9,49 9,77 0,470 0,65 6,4 7,590 9,77,569 84,50 50,888 0,64 48,06 86,9,68 4,50 9,404,696 0,6,458,695 0,74,447 6,84,9 0,566 0,68 68,59 0,847 0,84 0,09 0,097 0,5 0,94 0,90,876,0 4,0,88 8,847,0 0,59 0,50,8 0,455 7,60 0,489 8,597 0,80 Manajemen Risiko di Bidang Perbankan dan Asuransi 95

9 Universitas Padjadjaran, November 00 A D X B D X C D A D X B T X C L A D X B T X C D A T X B L X C L A T X B L X C D A T X B D X C L A T X B D X C D A T X B T X C L A T X B T X C D A E X B L X C L A E X B L X C D A E X B D X C L A E X B D X C D A E X B T X C L A E X B T X C D Kekeliruan ,79,75,8 0,7 40,75 40,07 94,649 0,54 59,856 7,7 74,88 0,8 86,5 9,09 64,7 5058,45 464,79,75,8 0,7 40,75 40,07 94,649 0,54 59,856 7,7 74,88 0,8 86,5 9,09 64,7 4,54,04 0,080 0,0 0,00 9,50 0,949,8 0,004,40 0,407 8,89 0,00 4,45,06,56 Dengan α = 0,05; maka didapat F tabel =, 9. Berdasarkan tabel ANAVA di atas dapat dilihat bahwa faktor faktor yang memberikan efek adalah: Faktor A yang berbentuk linier, kuadratik, dan kuartik. Faktor B yang berbentuk linier dan kuadratik. Faktor C yang berbentuk linier dan kuadratik. Faktor interaksi antara A dan B yang berbentuk A L X B L, A L X B D, A L X B T,A T X B D, dan A E X B L. Faktor interaksi antara A dan C yang berbentuk A L X C D, A T X C D, dan A E X C D. Faktor interaksi antara B dan C yang berbentuk B L X C D, B T X C D, dan B D X C D. Faktor interaksi antara A, B, dan C yang berbentuk A L X B L X C D, A L X B T X C D, A D X B L X C D, A D X B D X C D, A T X B L X C D, A T X B D X C D, A E X B L X C D, A E X B D X C D. c. Menentukan Persamaan Regresi Dengan menggunakan persamaan (.), maka akan didapatkan : Manajemen Risiko di Bidang Perbankan dan Asuransi 96

10 Universitas Padjadjaran, November ,459 45,466 65,4 8,7-0,80 -,56-44,99 0, , ,447 0,66-0,00-7 -, ,447 0 b= 0,0-4 -, ,97 0 5,055-0,88 0,00-0,0-5, , ,99 0-6, , , ,4 0 Maka persamaan regresi yang terbentuk menjadi: d. Analsis dengan Contour Plot dan Surface Plot Manajemen Risiko di Bidang Perbankan dan Asuransi 97

11 Universitas Padjadjaran, November 00 Dengan menggunakan software tertentu didapatlah contour plot dan surface plot dengan hasil sebagai berikut: Contour Plot Contour Plot of Kuat tekan pavin vs Tingkat kehalusa; Kadar air Tingkat kehalusan pasir Kuat tekan paving block < 98,7 98,7-09,864 09,864 -,59,59 -,9,9-45,047 45,047-56,775 56,775-68,50 68,50-80,0 80,0-9,957 9,957-0,685 0,685-5,4 > 5,4 Hold Values Pasir Kadar air 7 8 Manajemen Risiko di Bidang Perbankan dan Asuransi 98

12 Universitas Padjadjaran, November 00 Surface Plot Surface Plot of Kuat tekan pavin vs Tingkat kehalusa; Kadar air Hold Values Pasir 5 00 uat tekan paving block Kadar air Tingkat kehalusan pasir Berdasarkan contour plot dan surface plot di atas dapat dilihat bahwa kuat tekan paving block mengalami peningkatan mulai dari kadar air,5 % hingga kadar air sebanyak %, namun pada saat kadar air lebih besar daripada %, maka kuat tekan paving block terus mengalami penurunan. Sedangkan pada faktor tingkat kehalusan pasir sendiri, kuat tekan paving block mengalami kenaikkan mulai dari tingkat kehalusan pasir, mm hingga tingkat kehalusan pasir sebesar 4,5 mm. Namun pada saat tingkat kehalusan pasir lebih besar daripada 4,5 mm, maka kuat tekan paving block terus mengalami penurunan. Dengan demikian dapat disimpulkan bahwa komposisi taraf yang menghasilkan kuat tekan paving block terbaik adalah pada komposisi kadar air sebanyak %, tingkat kehalusan pasir sebesar 4,5 mm dan jumlah pasir yang terkandung dalam campuran bahan pengisi sebanyak 5 gram. Dengan kuat tekan paving block yang dihasilkan di atas 5, 4 kg/cm. Manajemen Risiko di Bidang Perbankan dan Asuransi 99

13 Universitas Padjadjaran, November KESIMPULAN Berdasarkan analisis yang telah dilakukan, maka dapat diperoleh sebagai berikut:. Metode response surface mampu mendapatkan komposisi perlakuan yang menghasilkan respon percobaan yang terbaik.. Berdasarkan kasus yang ada, dapat dilihat bahwa komposisi taraf yang menghasilkan kuat tekan paving block terbaik adalah pada kadar air %, tingkat kehalusan pasir 4,5 mm dan jumlah pasir yang terkandung dalam campuran bahan pengisi sebanyak 5 gram. Dengan kuat tekan yang dihasilkan di atas 5,4. DAFTAR PUSTAKA Box, G.E.P., Hunter, W.G. and Hunter, J.S Statistics for Experimenters, An Introduction to Design, Data Analysis and Model Buildin., New York: John Wiley and Sons, Inc. Montgomery, C. Douglas Design and Analysis of Experiment, Seventh edition. New York : John Wiley and Sons, Inc. Sudjana Desain dan Analisis Eksperimen, edisi keempat. Bandung: Tarsito. Lieberman and Hillier, 989. An Introduction of Operational Research, New York: McGraw-Hill Book Company. Myers, Raymond H., Montgomery, C.D., Anderson-Cook, M., C Response Surface Methodology Process and Product Optimazation using Design Experiments, Third edition. New York: John Wiley and Sons, Inc. (Gill et al., 99a) P. E. Gill., W. Murray, and M. A. Saunders. Transformed Hessian Methods for large-scales constrained optimization. Presented at the Fourth Stockholm Optimization days, Royal Institute of Technology, Stockholm, 6 7 August, 99. Manajemen Risiko di Bidang Perbankan dan Asuransi 00

14 Universitas Padjadjaran, November 00 LAMPIRAN Tabel Koefisien Polinom Ortogonal N = N = 4 N = 5 X j P P P P P P P P P Σξ i λ 0/ 5/6 5/ Manajemen Risiko di Bidang Perbankan dan Asuransi 0

OPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE

OPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE JURNAL TEKNIK INDUSTRI VOL., NO., DESEEMBER 999: 8-29 OPTIMASI KUALITAS WARNA MINYAK GORENG DENGAN METODE RESPONSE SURFACE Didik Wahjudi Dosen Fakultas Teknik, Jurusan Teknik Mesin Universitas Kristen

Lebih terperinci

OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran)

OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran) Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 05, No. 2 (2016), hal 113 118. OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran) Eka Dian Rahmawati,

Lebih terperinci

Matematika dan Statistika

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

Lebih terperinci

DESAIN EKSPERIMEN & SIMULASI 5

DESAIN EKSPERIMEN & SIMULASI 5 DESAIN EKSPERIMEN & SIMULASI 5 (DS.1) OPTIMISASI RESPON EKSPERIMEN MENGGUNAKAN DESAIN BOX-BEHNKEN Budhi Handoko Staf Pengajar Jurusan Statistika FMIPA Unpad Email: budhihandoko@unpad.ac.id Abstrak Salah

Lebih terperinci

(D.4) DESAIN PARAMETER UNTUK DATA DISKRIT PADA ROBUST DESIGN. Oleh Budhi Handoko 1), Sri Winarni 2)

(D.4) DESAIN PARAMETER UNTUK DATA DISKRIT PADA ROBUST DESIGN. Oleh Budhi Handoko 1), Sri Winarni 2) (D.4) DESAIN PARAMETER UNTUK DATA DISKRIT PADA ROBUST DESIGN Oleh Budhi Handoko ), Sri Winarni ),) Staf Pengajar Jurusan Statistika FMIPA, Unpad Bandung Email ) : budhihandoko@unpad.ac.id Email ) : sri.winarni@unpad.ac.id

Lebih terperinci

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

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

Lebih terperinci

ANALISIS DESAIN FAKTORIAL FRAKSIONAL 2 k-p DENGAN METODE LENTH. Mahasiswa Jurusan Statistika FSM UNDIP. Staf Pengajar Jurusan Statistika FSM UNDIP

ANALISIS DESAIN FAKTORIAL FRAKSIONAL 2 k-p DENGAN METODE LENTH. Mahasiswa Jurusan Statistika FSM UNDIP. Staf Pengajar Jurusan Statistika FSM UNDIP ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 497-505 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS DESAIN FAKTORIAL FRAKSIONAL 2 k-p DENGAN METODE LENTH

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

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

Lebih terperinci

(D.3) DESAIN RESOLASI V DENGAN REPLIKASI FRAKSIONAL UNTUK MENENTUKAN FAKTOR PENYEBAB TERJADINYA WET SPOT PADA PRODUK KARET MENTAH

(D.3) DESAIN RESOLASI V DENGAN REPLIKASI FRAKSIONAL UNTUK MENENTUKAN FAKTOR PENYEBAB TERJADINYA WET SPOT PADA PRODUK KARET MENTAH (D.3) DESAIN RESOLASI V DENGAN REPLIKASI FRAKSIONAL UNTUK MENENTUKAN FAKTOR PENYEBAB TERJADINYA WET SPOT PADA PRODUK KARET MENTAH Oleh : Enny Supartini Dra. MS. e-mail : arthinii@yahoo.com ABSTRAK Untuk

Lebih terperinci

PENURUNAN JUMLAH CACAT DAN BIAYA BAHAN BAKU DENGAN METODE ResponsSE SURFACE

PENURUNAN JUMLAH CACAT DAN BIAYA BAHAN BAKU DENGAN METODE ResponsSE SURFACE PENURUNAN JUMLAH CACAT DAN BIAYA BAHAN BAKU DENGAN METODE ResponsSE SURFACE Muhammad Lukman, Ahmad Zubaid Firdaus, Rahadian Galih Jurusan Teknik Industri, Fakultas Teknik, Universitas Muhammadiyah Malang

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Desain Eksperimen adalah serangkaian percobaan atau pengujian yang memiliki tujuan untuk melakukan perubahan pada variabel input sehingga dapat meneliti dan mengidentifikasi

Lebih terperinci

BAB III METODE PERMUKAAN RESPON. Pengkajian pada suatu proses atau sistem sering kali terfokus pada

BAB III METODE PERMUKAAN RESPON. Pengkajian pada suatu proses atau sistem sering kali terfokus pada BAB III METODE PERMUKAAN RESPON 3.1 Pendahuluan Pengkajian pada suatu proses atau sistem sering kali terfokus pada hubungan antara respon dan variabel masukannya (input). Tujuannya adalah untuk mengoptimalkan

Lebih terperinci

ANALISIS VARIANS TIGA FAKTOR PADA RANCANGAN SPLIT-SPLIT PLOT

ANALISIS VARIANS TIGA FAKTOR PADA RANCANGAN SPLIT-SPLIT PLOT Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (015), hal 379 386. ANALISIS VARIANS TIGA FAKTOR PADA RANCANGAN SPLIT-SPLIT PLOT Silvia Widayanti, Muhlasah Novitasari Mara, Neva Satyahadewi

Lebih terperinci

PENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI

PENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI E-Jurnal Matematika Vol. 2, No.2, Mei 2013, 32-36 ISSN: 2303-1751 PENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI ADE KUSUMA DEWI 1, I WAYAN SUMARJAYA 2, I GUSTI AYU MADE SRINADI 3 1,2,3

Lebih terperinci

Jurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN

Jurnal Ilmiah Widya Teknik Volume 16 Nomor ISSN Jurnal Ilmiah Widya Teknik Volume 6 Nomor 07 ISSN 4-750 OPTIMASI FAKTOR YANG BERPENGARUH PADA KUALITAS LILIN DI UD.X DENGAN METODE RESPONSE SURFACE Maria Agnes Octaviani, Dian Retno Sari Dewi*, Luh Juni

Lebih terperinci

OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE Studi Kasus pada Perusahaan Injection Moulding

OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE Studi Kasus pada Perusahaan Injection Moulding JURNAL TEKNIK INDUSTRI VOL. 4, NO., JUNI 2002: 36-44 OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE Studi Kasus pada Perusahaan Injection Moulding Jani Rahardjo Dosen Fakultas Teknologi Industri, Jurusan

Lebih terperinci

(D.6) PENAKSIRAN DATA HILANG PADA DESAIN FAKTORIAL FRAKSIONAL DUA LEVEL TANPA RAPLIKASI DENGAN CARA MEMINIMUMKAN JUMLAH KUADRAT RESIDU

(D.6) PENAKSIRAN DATA HILANG PADA DESAIN FAKTORIAL FRAKSIONAL DUA LEVEL TANPA RAPLIKASI DENGAN CARA MEMINIMUMKAN JUMLAH KUADRAT RESIDU (D.6) PENAKSIRAN DATA HILANG PADA DESAIN FAKTORIAL FRAKSIONAL DUA LEVEL TANPA RAPLIKASI DENGAN CARA MEMINIMUMKAN JUMLAH KUADRAT RESIDU Martinnus Oetama, 2 Budhi Handoko, 3 Sri Winarni Mahasiswa Jurusan

Lebih terperinci

ANALISIS KOVARIANSI DALAM RANCANGAN BUJURSANGKAR YOUDEN DENGAN DATA HILANG

ANALISIS KOVARIANSI DALAM RANCANGAN BUJURSANGKAR YOUDEN DENGAN DATA HILANG Vol. 11, No. 2, 93-104, Januari 2015 ANALISIS KOVARIANSI DALAM RANCANGAN BUJURSANGKAR YOUDEN DENGAN DATA HILANG ENDY NUR CAHYANTO*, NASRAH SIRAJANG*, M. SALEH AF* dy Nur Cahyanto, ABSTRAK Penelitian ini

Lebih terperinci

Jurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika

Lebih terperinci

PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAK-PETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG

PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAK-PETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAKPETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG Sri Wahyuningsih R 1, Anisa 2, Raupong ABSTRAK Analisis variansi

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Metode Permukaan Respon (Response Surface Methodology/RSM), pertama kali diperkenalkan oleh Box dan Wilson (1951), metode ini sering digunakan untuk mencari

Lebih terperinci

Analisis Model Regresi Linear Berganda dengan Metode Response Surface

Analisis Model Regresi Linear Berganda dengan Metode Response Surface Jurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Bata beton (paving block) adalah suatu komposisi bahan bangunan yang dibuat dari campuran semen portland atau bahan perekat hidrolis sejenisnya, air dan agregat dengan

Lebih terperinci

OPTIMASI DENGAN METODE DAKIAN TERCURAM

OPTIMASI DENGAN METODE DAKIAN TERCURAM OPTIMASI DENGAN METODE DAKIAN TERCURAM Marwan Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Syiah Kuala, Jln. Syekh Abdur Rauf No. 3 Darussalam, Banda Aceh 23111 email:

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Optimasi Parameter Pembubutan Terhadap Kekasaran Permukaan Produk

Optimasi Parameter Pembubutan Terhadap Kekasaran Permukaan Produk Jurnal Rekayasa Mesin Vol.4, No.3 Tahun 3: 77-8 ISSN 6-468X Optimasi Parameter Pembubutan Terhadap Kekasaran Permukaan Produk Franscisca Gayuh Utami Dewi, Femiana Gapsari Jurusan Teknik Mesin Fakultas

Lebih terperinci

MENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL

MENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL MENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL E. JULIANTINI Balai Besar Penelitian dan Pengembangan Bioteknologi dan Sumberdaya Genetik Pertanian, Jl. Tentara Pelajar No.,

Lebih terperinci

Penentuan Setting Parameter Pembuatan Botol DK 8251 B

Penentuan Setting Parameter Pembuatan Botol DK 8251 B Penentuan Setting Parameter Pembuatan Botol DK 8251 B Penentuan Setting Parameter Pembuatan Botol DK 8251 B pada Proses Blow Moulding dengan Menggunakan RSM (Response Surface Methodology) Studi Kasus di

Lebih terperinci

PENERAPAN METODE OVERLAID CONTOUR PLOT DAN DESIRABILITY FUNCTION PADA CENTRAL COMPOSITE DESIGN

PENERAPAN METODE OVERLAID CONTOUR PLOT DAN DESIRABILITY FUNCTION PADA CENTRAL COMPOSITE DESIGN BIAStatistics (2016) Vol. 10, No. 1, hal. 17-30 PENERAPAN METODE OVERLAID CONTOUR PLOT DAN DESIRABILITY FUNCTION PADA CENTRAL COMPOSITE DESIGN Dita Dioputri Againa 1, Sri Wirnani 2 dan Enny Supartini 2

Lebih terperinci

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

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. variabel, yaitu variabel bebas atau variabel pengaruh (independent variable) dan

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. variabel, yaitu variabel bebas atau variabel pengaruh (independent variable) dan BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Deskripsi Hasil Penelitian Pengujian ini dimaksudkan untuk mengukur hubungan fungsional antara variabel-variabel dalam penelitian. Analisis ini akan membedakan dua

Lebih terperinci

PADA KERAGAMAN KELOMPOK FAKTORIAL RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ULANGAN

PADA KERAGAMAN KELOMPOK FAKTORIAL RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ULANGAN PERBANDINGAN ANALISIS INTERBLOK DAN INTERGRADIEN PADA KERAGAMAN KELOMPOK FAKTORIAL RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ULANGAN Fadhlul Mubarak Nasution, Anisa, Raupong Program Studi Statistika, FMIPA,

Lebih terperinci

Optimasi Parameter Operasi Mesin Air Slip Forming untuk Meminimalkan Cacat Produk

Optimasi Parameter Operasi Mesin Air Slip Forming untuk Meminimalkan Cacat Produk JURNAL TEKNIK MESIN Vol. 1, No. 2, Oktober 1999 : 170-175 Optimasi Parameter Operasi Mesin Air Slip Forming untuk Meminimalkan Cacat Produk Didik Wahjudi Dosen Fakultas Teknik, Jurusan Teknik Mesin Universitas

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN Deskripsi tentang persepsi siwa terhadap pemberian tugas fisika

BAB IV HASIL PENELITIAN DAN PEMBAHASAN Deskripsi tentang persepsi siwa terhadap pemberian tugas fisika BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil penelitian 4.1.2 Deskripsi tentang persepsi siwa terhadap pemberian tugas fisika Data yang dikumpulkan dari jawaban responden terhadap hasil sebaran angket

Lebih terperinci

PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti *

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

Lebih terperinci

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

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

Lebih terperinci

SKRIPSI OPTIMASI KUAT TEKAN PAVING BLOCK DENGAN METODE RESPONSE SURFACE (STUDI KASUS : DI UD. X, SIDOARJO)

SKRIPSI OPTIMASI KUAT TEKAN PAVING BLOCK DENGAN METODE RESPONSE SURFACE (STUDI KASUS : DI UD. X, SIDOARJO) SKRIPSI OPTIMASI KUAT TEKAN PAVING BLOCK DENGAN METODE RESPONSE SURFACE (STUDI KASUS : DI UD. X, SIDOARJO) Disusun Oleh : RIKY YUDHA PRATAMA 5303013024 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS

Lebih terperinci

BAB I PENDAHULUAN. dipergunakan untuk menaksir pola hubungan antara variabel prediktor atau

BAB I PENDAHULUAN. dipergunakan untuk menaksir pola hubungan antara variabel prediktor atau BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu analisis dalam statistika yang dipergunakan untuk menaksir pola hubungan antara variabel prediktor atau variabel bebas X dengan

Lebih terperinci

Materi Persyaratan analisis regresi dari rancangan percobaan Penentuan model regresi dengan ortogonal polinomial Dari rancangan acak lengkap Dari ranc

Materi Persyaratan analisis regresi dari rancangan percobaan Penentuan model regresi dengan ortogonal polinomial Dari rancangan acak lengkap Dari ranc Kuswanto, 2012 Materi Persyaratan analisis regresi dari rancangan percobaan Penentuan model regresi dengan ortogonal polinomial Dari rancangan acak lengkap Dari rancangan acak kelompok Apabila ulangan/blok

Lebih terperinci

Didonwload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

Didonwload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Pada bab sebelumnya telah dibahas rancangan faktorial secara umum, seringkali peneliti berhadapan pada rancangan yang melibatkan sejumlah faktor yang masing-masing faktor hanya terdiri

Lebih terperinci

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Teknik Simulasi Kode/SKS: SS / (2/1/0) Dosen : NI, PPO Semester : V

PRODI S1 STATISTIKA FMIPA-ITS RENCANA PEMBELAJARAN Teknik Simulasi Kode/SKS: SS / (2/1/0) Dosen : NI, PPO Semester : V RP-S1-SK-04 Kurikulum 2014, Edisi : September-2014 No.Revisi : 00 Hal: 1 dari 6 A. : 1. CP 3.1 : Membuat suatu sistem informasi manajemen di berbagai bidang 2. CP 9.3 : Mampu merancang pengumpulan data

Lebih terperinci

Reka Integra ISSN 2338 : 5081 Jurusan Teknik Industri Itenas l No.02 l Vol. 02 Jurnal Online Institut Teknologi Nasional Oktober 2014

Reka Integra ISSN 2338 : 5081 Jurusan Teknik Industri Itenas l No.02 l Vol. 02 Jurnal Online Institut Teknologi Nasional Oktober 2014 Reka Integra ISSN 2338 : 508 Jurusan Teknik Industri Itenas l No.02 l Vol. 02 Jurnal Online Institut Teknologi Nasional Oktober 204 Penentuan Faktor yang Berpengaruh Secara Signifikan Terhadap Variabel

Lebih terperinci

Kata Kunci: Rancangan Acak Kelompok Tidak Lengkap Seimbang, Uji Nonparametrik, uji Durbin-Skillings-Mack. 1. Pendahuluan

Kata Kunci: Rancangan Acak Kelompok Tidak Lengkap Seimbang, Uji Nonparametrik, uji Durbin-Skillings-Mack. 1. Pendahuluan PENGGUNAAN UJI DURBIN-SKILLINGS-MACK PADA RANCANGAN ACAK KELOMPOK TIDAK LENGKAP SEIMBANG Anastasia M. Pagiling 1, Raupong 2, Georgina M Tinungki 3 Program studi Statistika, Jurusan Matematika, FMIPA, Universitas

Lebih terperinci

BAB I PENDAHULUAN. 1.1.Latar Belakang dan Permasalahan

BAB I PENDAHULUAN. 1.1.Latar Belakang dan Permasalahan 1 BAB I PENDAHULUAN 1.1.Latar Belakang dan Permasalahan Response Surface Methodology sudah dikenalkan oleh Box dan Wilson sejak tahun 1951. Dalam buku Design and Analysis of Experiment, Montgomerry (2001),

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Dari hasil pengolahan data berdasarkan hasil pengisian angket tentang pola asuh orangtua

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Dari hasil pengolahan data berdasarkan hasil pengisian angket tentang pola asuh orangtua BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Deskripsi Variabel Penelitian 4.2.1 Deskripsi tentang Pola Asuh Orangtua Dari hasil pengolahan data berdasarkan hasil pengisian angket tentang pola asuh orangtua

Lebih terperinci

ANALISIS POLINOMIAL ORTOGONAL BERDERAJAT TIGA PADA RANCANGAN ACAK LENGKAP

ANALISIS POLINOMIAL ORTOGONAL BERDERAJAT TIGA PADA RANCANGAN ACAK LENGKAP ANALISIS POLINOMIAL ORTOGONAL BERDERAJAT TIGA PADA RANCANGAN ACAK LENGKAP Muhammad Nursalam B 1, Anisa 2, Nasrah Sirajang 3 Program studi Statistika, Jurusan Matematika, FMIPA, Universitas Hasanuddin Muhammad.nursalam.b@gmail.com

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

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

Lebih terperinci

METODE YATES : METODE ALTERNATIF MENGHITUNG KONTRAS SUTARMAN. Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara

METODE YATES : METODE ALTERNATIF MENGHITUNG KONTRAS SUTARMAN. Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara METODE YATES : METODE ALTERNATIF MENGHITUNG KONTRAS SUTARMAN Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera Utara Abstrak Artikel berikut ini menyajikan salah satu metode, dikenal dengan

Lebih terperinci

PROSIDING ISSN : Seminar Nasional Statistika 12 November 2011 Vol 2, November 2011

PROSIDING 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 terperinci

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

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

Lebih terperinci

Simulasi Komputer Untuk Menentukan Kombinasi Perlakuan Dengan Disain Faktorial Setengah Replikasi

Simulasi Komputer Untuk Menentukan Kombinasi Perlakuan Dengan Disain Faktorial Setengah Replikasi Simulasi Komputer Untuk Menentukan Kombinasi Perlakuan Dengan Disain Faktorial Setengah Replikasi M. Haviz Irfani STMIK MDP Palembang haviz@stmikmdp.net Abstrak: Eksperimen faktorial adalah eksperimen

Lebih terperinci

Analisa Pengaruh Parameter Tekanan dan Waktu Penekanan Terhadap Sifat Mekanik dan Cacat Penyusutan dari Produk Injection Molding Berbahan Polyethylene (PE) Erwin 1)*, Slamet Wiyono 1) Sendi Dwi Oktaviandi

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Tujuan Penelitian Berdasarkan masalah-masalah yang telah peneliti rumuskan maka tujuan penelitian ini adalah untuk mendapatkan pengetahuan yang tepat dan dapat diandalkan

Lebih terperinci

Model Log Linier yang Terbaik untuk Analisis Data Kualitatif pada Tabel Kontingensi Tiga Arah

Model Log Linier yang Terbaik untuk Analisis Data Kualitatif pada Tabel Kontingensi Tiga Arah Malikussaleh Industrial Engineering Journal Vol.2 No.2 (2013) 32-37 ISSN 2302 934X Industrial Management Model Log Linier yang Terbaik untuk Analisis Data Kualitatif pada Tabel Kontingensi Tiga Arah Maryana

Lebih terperinci

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

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

Lebih terperinci

METODE RESPONSE SURFACE PADA PERCOBAAN FAKTORIAL 2 k

METODE RESPONSE SURFACE PADA PERCOBAAN FAKTORIAL 2 k METODE RESPONSE SURFACE PADA PERCOBAAN FAKTORIAL 2 k SKRIPSI Oleh: RUTH SONANDA MARTASPICA J2E 006 034 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS

Lebih terperinci

PENENTUAN KOMBINASI KOMPOSISI PAVING DENGAN MENGGUNAKAN METODE FULL FAKTORIAL DESIGN

PENENTUAN KOMBINASI KOMPOSISI PAVING DENGAN MENGGUNAKAN METODE FULL FAKTORIAL DESIGN 82 Dewi : PENENTUAN KOMBINASI KOMPOSISI PAVING DENGAN MENGGUNAKAN. PENENTUAN KOMBINASI KOMPOSISI PAVING DENGAN MENGGUNAKAN METODE FULL FAKTORIAL DESIGN Lydea Trinovinty Dewi 1), Ig. Joko Mulyono 2), Anastasia

Lebih terperinci

KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3

KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3 JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Tujuan Penelitan Penelitian ini bertujuan untuk mendapatkan pengetahuan dan data yang valid, benar serta dapat dipercaya tentang hubungan antara dividen per saham dengan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri 8 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri 8 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populasi dan Sampel Penelitian ini dilaksanakan di SMA Negeri 8 Bandar Lampung. Populasi dalam penelitian ini adalah seluruh siswa kelas XI IPS SMA Negeri 8 Bandar Lampung semester

Lebih terperinci

MA2081 Statistika Dasar

MA2081 Statistika Dasar Catatan Kuliah MA2081 Statistika Dasar Orang Cerdas Belajar Statistika Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA2081 Statistika

Lebih terperinci

IV. METODOLOGI PENELITIAN

IV. METODOLOGI PENELITIAN IV. METODOLOGI PENELITIAN 4.1 Bahan dan Alat Bahan-bahan yang digunakan untuk analisis kadar air dan kadar lemak adalah mie instan Indomie (dengan berat bersih 61 gram, 63 gram, dan 66 gram), petroleum

Lebih terperinci

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

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

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data 4.1.1 Pelaksanaan Eksperimen Pelaksanaan eksperimen adalah proses pembuatan paving block yang dilakukan langsung di CV. Riau Jaya Paving. Paving

Lebih terperinci

RANCANGAN KELOMPOK TAK LENGKAP SEIMBANG (Incomplete Block Design)

RANCANGAN KELOMPOK TAK LENGKAP SEIMBANG (Incomplete Block Design) RANCANGAN KELOMPOK TAK LENGKAP SEIMBANG (Incomplete Block Design) Pendahuluan Rancangan percobaan seperti RBSL, RAKL, dan juga RAL sering mengalami kendala pada perlakuan dengan jumlah yang besar, karena

Lebih terperinci

BAB II KAJIAN PUSTAKA. sehingga dapat diamati dan diidentifikasi alasan-alasan perubahan yang terjadi

BAB II KAJIAN PUSTAKA. sehingga dapat diamati dan diidentifikasi alasan-alasan perubahan yang terjadi BAB II KAJIAN PUSTAKA A. Rancangan Percobaan Rancangan percobaan dapat diartikan sebagai serangkaian uji dimana perubahan yang berarti dilakukan pada variabel dari suatu proses atau sistem sehingga dapat

Lebih terperinci

PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM

PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM BIAStatistics (2015) Vol. 9, 2, hal. 28-32 PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah

Lebih terperinci

Identifikasi Faktor Signifikan pada Rancangan Faktorial Fraksional dan

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 19 BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode yang digunakan dalam penelitian ini adalah metode korelasional, yaitu suatu metode yang menggambarkan secara sistematis dan obyektif tentang hubungan

Lebih terperinci

USULAN KOMBINASI FAKTOR-FAKTOR YANG BERPENGARUH SECARA SIGNIFIKAN TERHADAP KUAT TEKAN BATA EKSPOSE DENGAN METODE PERANCANGAN EKSPERIMEN *

USULAN KOMBINASI FAKTOR-FAKTOR YANG BERPENGARUH SECARA SIGNIFIKAN TERHADAP KUAT TEKAN BATA EKSPOSE DENGAN METODE PERANCANGAN EKSPERIMEN * Reka Integra ISSN: 2338-5081 Jurusan Teknik Industri Itenas No.03 Vol.02 Jurnal Online Institut Teknologi Nasional Juli 2014 USULAN KOMBINASI FAKTOR-FAKTOR YANG BERPENGARUH SECARA SIGNIFIKAN TERHADAP KUAT

Lebih terperinci

hitung = 7,290 < taraf signifikansi 5%. (3) variabel hasil belajar pengetahuan dasar teknik bangunan (Y) yaitu

hitung = 7,290 < taraf signifikansi 5%. (3) variabel hasil belajar pengetahuan dasar teknik bangunan (Y) yaitu HUBUNGAN ANTARA MOTIVASI BELAJAR DAN DISIPLIN BELAJAR TERHADAP HASIL BELAJAR PENGETAHUAN DASAR TEKNIK BANGUNAN (PDTB) PADA SISWA KELAS X PROGRAM KEAHLIAN TEKNIK GAMBAR BANGUNAN SMK NEGERI 1 STABAT Rinto

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308 JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308 MINGGU KE POKOK & SUB POKOK BAHASAN 1 PENDAHULUAN

Lebih terperinci

PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL

PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL Prasetyo Universitas Negeri Malang E-mail : pras_kazekage@yahoo.com Pembimbing: (I) Ir. Hendro

Lebih terperinci

KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK TIDAK LENGKAP SEIMBANG DENGAN INTERGRADIEN

KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK TIDAK LENGKAP SEIMBANG DENGAN INTERGRADIEN KERAGAMAN DALAM BLOK PADA RANCANGAN ACAK KELOMPOK TIDAK LENGKAP SEIMBANG DENGAN INTERGRADIEN NOVIANTI, V. 1, ANISA 2, DAN SIRAJANG, N. 3 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam,

Lebih terperinci

REGRESI RIDGE-MM UNTUK MENGATASI MULTIKOLINIERITAS DAN PENCILAN : STUDI KASUS PADA DATA INDEKS PEMBANGUNAN MANUSIA

REGRESI RIDGE-MM UNTUK MENGATASI MULTIKOLINIERITAS DAN PENCILAN : STUDI KASUS PADA DATA INDEKS PEMBANGUNAN MANUSIA Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 REGRESI RIDGE-MM UNTUK MENGATASI MULTIKOLINIERITAS DAN PENCILAN : STUDI KASUS PADA DATA INDEKS PEMBANGUNAN

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN 44 BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskripsi Data Deskripsi data hasil penelitian dimaksudkan untuk memberikan gambaran umum mengenai hasil pengolahan data yang didapat dari dua variabel dalam

Lebih terperinci

Analisis Pengaruh Kebisisngan, Temperatur dan Pencahayaan Terhadap Produktivitas Kerja Pengeleman Amplop Secara Manual

Analisis Pengaruh Kebisisngan, Temperatur dan Pencahayaan Terhadap Produktivitas Kerja Pengeleman Amplop Secara Manual Performa (2005) Vol. 4, No.2: 117-126 Analisis Pengaruh Kebisisngan, Temperatur dan Pencahayaan Terhadap Produktivitas Kerja Pengeleman Amplop Secara Manual Brury Jatmiko, Bambang Suhardi, Rahmaniyah Dwi

Lebih terperinci

Rancangan Kelompok Tak Lengkap Seimbang (RKTLS) atau Balanced Incompleted Block Design (BIBD) Arum H. Primandari

Rancangan Kelompok Tak Lengkap Seimbang (RKTLS) atau Balanced Incompleted Block Design (BIBD) Arum H. Primandari Rancangan Kelompok Tak Lengkap Seimbang (RKTLS) atau Balanced Incompleted Block Design (BIBD) Arum H. Primandari Pendahuluan Rancangan percobaan seperti RBSL, RAKL, dan juga RAL sering mengalami kendala

Lebih terperinci

Analisis Regresi Spline Kuadratik

Analisis Regresi Spline Kuadratik Analisis Regresi Spline Kuadratik S 2 Oleh: Agustini Tripena Program Studi Matematika, Fakultas Sains dan Teknik, Univesitas Jenderal Soedirman, Purwokerto tripena1960@yahoo.co.id Abstrak Regresi spline

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 24 BAB III METODE PENELITIAN 3.1 Metode Metode yang akan digunakan dalam penelitian ini adalah Metode deskriptif. Metode deskriptif adalah suatu metode dalam meneliti status sekelompok manusia, suatu objek,

Lebih terperinci

OPTIMASI KINERJA BTS PADA JARINGAN RADIO SELULER GSM DENGAN METODE MULTIPLE RESPONSE SURFACE DI PT. INDOSAT

OPTIMASI KINERJA BTS PADA JARINGAN RADIO SELULER GSM DENGAN METODE MULTIPLE RESPONSE SURFACE DI PT. INDOSAT OPTIMASI KINERJA BTS PADA JARINGAN RADIO SELULER GSM DENGAN METODE MULTIPLE RESPONSE SURFACE DI PT. INDOSAT Andri Aryo Tejo, Bobby Oedy P. Soepangkat, Sony Sunaryo Magister Manajemen Teknologi Institut

Lebih terperinci

PENINGKATAN EFISIENSI BIAYA PERCOBAAN DENGAN MENGGUNAKAN RANCANGAN FAKTORIAL PECAHAN 2 k-1 MARTA SUNDARI

PENINGKATAN EFISIENSI BIAYA PERCOBAAN DENGAN MENGGUNAKAN RANCANGAN FAKTORIAL PECAHAN 2 k-1 MARTA SUNDARI PENINGKATAN EFISIENSI BIAYA PERCOBAAN DENGAN MENGGUNAKAN RANCANGAN FAKTORIAL PECAHAN 2 k- MARTA SUNDARI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2007

Lebih terperinci

MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan

MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA Kornelius Ronald Demu, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika FMIPA

Lebih terperinci

METODE PENELITIAN. Bandarlampung Tahun Ajaran 2013/2014 dengan jumlah siswa sebanyak 200

METODE PENELITIAN. Bandarlampung Tahun Ajaran 2013/2014 dengan jumlah siswa sebanyak 200 III. METODE PENELITIAN A. Populasi dan Sampel Populasi dalam penelitian ini adalah seluruh siswa kelas VIII SMP Negeri 3 Bandarlampung Tahun Ajaran 03/04 dengan jumlah siswa sebanyak 00 siswa yang terdistribusi

Lebih terperinci

KAJIAN FUNGSI nls( ) DAN fsrr( ) TERHADAP MODEL MICHEALIS-MENTEN PADA REGRESI NONLINIER. Sudarno 1. Abstrak

KAJIAN FUNGSI nls( ) DAN fsrr( ) TERHADAP MODEL MICHEALIS-MENTEN PADA REGRESI NONLINIER. Sudarno 1. Abstrak UNIVERSITAS DIPONEGORO 0 ISBN: --0-- KAJIAN FUNGSI nls( ) DAN fsrr( ) TERHADAP MODEL MICHEALIS-MENTEN PADA REGRESI NONLINIER Sudarno ) Program Studi Statistika FMIPA Undip dsghani@gmail.com Abstrak Model

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 2, 71-81, Agustus 2001, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 2, 71-81, Agustus 2001, ISSN : PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,

Lebih terperinci

REGRESI LINIER. b. Variabel tak bebas atau variabel respon -> variabel yang terjadi karena variabel bebas. Dapat dinyatakan dengan Y.

REGRESI LINIER. b. Variabel tak bebas atau variabel respon -> variabel yang terjadi karena variabel bebas. Dapat dinyatakan dengan Y. REGRESI LINIER 1. Hubungan Fungsional Antara Variabel Variabel dibedakan dalam dua jenis dalam analisis regresi: a. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia.

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308 JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308 MINGGU POKOK & SUB MATERI METODE & MEDIA TES SUMBER 1

Lebih terperinci

SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS

SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.

Lebih terperinci

ANALISIS RISIKO TIPE I (PRODUSEN) DAN RISIKO TIPE ii (KONSUMEN) DALAM KOLABORASI RANTAI PASOK

ANALISIS RISIKO TIPE I (PRODUSEN) DAN RISIKO TIPE ii (KONSUMEN) DALAM KOLABORASI RANTAI PASOK ANALISIS RISIKO TIPE I (PRODUSEN) DAN RISIKO TIPE ii (KONSUMEN) DALAM KOLABORASI RANTAI PASOK OLEH AFRIANI SULASTINAH 1206100030 DOSEN PEMBIMBING Dra. LAKSMI PRITA WARDHANI, M.Si JURUSAN MATEMATIKA INSTITUT

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian survey dengan mengukur besar pengaruh tingkat modalitas belajar terhadap prestasi belajar

Lebih terperinci

(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)

(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) (R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,

Lebih terperinci

Outline. Uji rata-rata sesudah ANAVA Kontras Ortogonal Pengujian Rata-rata Sesudah Eksperimen Uji Rentang Newman-Keuls Uji Scheffé

Outline. Uji rata-rata sesudah ANAVA Kontras Ortogonal Pengujian Rata-rata Sesudah Eksperimen Uji Rentang Newman-Keuls Uji Scheffé 3 AFTER ANAVA Outline A f t e r A N A V A Uji rata-rata sesudah ANAVA Kontras Ortogonal Pengujian Rata-rata Sesudah Eksperimen Uji Rentang Newman-Keuls Uji Scheffé Uji Rata-rata Sesudah Anava 3 Jika pengujian

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. TUJUAN PENELITIAN Tujuan dalam penelitian ini adalah sebagai berikut. a. Untuk mengetahui apakah strategi pembelajaran Student Team Heroic Leadership dan pemberian tugas terstruktur

Lebih terperinci