BAB I PENDAHULUAN 1.1 Latar Belakang
|
|
- Hartono Hermanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN 1.1 Latar Belakang Kredit merupakan salah satu bentuk usaha sekunder yang dapat dilakukan untuk pemenuhan kebutuhan sehari-hari. Pada umumya, proses kredit dapat dilayani melalui lembaga keuangan seperti bank atau lembaga keuangan lainnya. Pemberian kredit bukan tanpa risiko, apabila kredit yang diberikan tergolong dalam jumlah besar dan ternyata debitur (orang yang melakukan kredit) mengalami proses gagal bayar, maka hal ini dapat berakibat fatal pada eksistensi bank tersebut. Oleh karena itu bank yang menyediakan jasa kredit bagi nasabah perlu melakukan sistem manajemen risiko untuk menghindari dampak terburuk dari kejadian gagal bayar yang dilakukan oleh debitur. Bentuk manajemen risiko suatu perusahaan atau lembaga dapat beragam macamya. Pada kasus kredit, selain dibutuhkan analisis kualikatif, perlu adanya manajemen risiko dengan analisis kuantitatif. Analisis yang tepat akan membantu perusahaan tersebut untuk memilih debitur mana yang layak untuk diberi bantuan dana sekaligus dapat meningkatkan keuntungan perusahaan dan juga dapat menghindari memberikan kredit kepada debitur yang tidak layak diberi bantuan dana. Analisis kuantitatif yang dianggap tepat untuk menangani kasus kredit seperti ini yaitu dengan menggunakan analisis credit scoring. Akhir-akhir ini, credit scoring dianggap sebagai metode utama dalam mengembangkan alat penduga risiko kredit. Credit scoring merupakan metode untuk mengevaluasi risiko kredit yang mungkin terjadi pada debitur dengan menggunakan credit score yang akan dihasilkan berdasarkan model dari credit scoring. Credit score adalah suatu angka yang akan merepresentasikan kelayakan seorang debitur untuk menerima dana bantuan kredit. Penentuan credit score ini didasarkan pada karakteristik debitur yang telah dianalisis dengan menggunakan credit scoring. Metode yang kerap digunakan dalam credit scoring adalah metode-metode klasik yang menggunakan prinsip-prinsip statistika. Prinsip pertama mengenai 1
2 2 credit scoring digunakan oleh Fisher pada 1936 yang dikenal sebagai Fisher s Disrimination. Kemudian pada 1977, Martin memperkenalkan analisis regresi logistik sebagai alat peringatan dini mengenai kondisi krisis pada bank. Pada tahun 1980, Wiginton memperkenalkan metode analisis regresi logistik sebagai alat untuk melakukan credit scoring. Analisis credit scoring dengan menggunakan metode dengan prinsip statistika klasik ini pada dasarnya sangat mudah untuk dilakukan. Namun, pada analisis statistika diperlukan adanya uji hipotesis dan adanya asumsi yang harus terpenuhi. Pemodelan yang demikian, akan sulit untuk diterapkan pada kondisi real apabila terjadi perubahan lingkungan atau perubahan populasi, karena model tidak dapat beradaptasi secara langsung sehingga perlu dilakukan pemodelan ulang pada setiap perubahan. Hal ini jelas bukan merupakan proses yang efisien. Pada tahun 1995, teknik Support Vector Machine (SVM) mulai diperkenalkan oleh Cortes dan Vapnik. Ide utama dari SVM adalah membagi data menjadi dua kelompok melalui hyperplane yang optimal dengan cara memaksimalkan margin untuk meminimalkan error. Berdasarkan penelitian yang dilakukan Gestel pada tahun 2003 menunjukkan bahwa SVM adalah metode credit scoring yang memiliki performa paling baik jika dibandingkan dengan metodemetode lainnya. Berdasarkan banyak penelitian yang telah dilakukan, SVM merupakan metode analisis yang memiliki performa paling baik jika dibandingkan dengan metode credit scoring lainnya. Namun di sisi lain SVM juga memiliki kekurangan dalam analisis. Apabila dalam data dengan dimensi tinggi terdapat variabel yang tidak begitu penting dan jumlah data yang digunakan tidak mengikuti jumlah variabel yang digunakan, maka titik sampel pada analisis menjadi jarang dan SVM memerlukan waktu yang cukup lama dalam proses training sehingga menyebabkan tidak akuratnya hyperplane (fungsi pemisah) yang terbentuk. Kekurangan ini dapat berakibat cukup fatal terhadap hasil analisis, walaupun pada dasarnya SVM memiliki tingkat robustness yang baik dan memiliki tingkat akurasi yang tinggi. Masalah utama yang dihadapi oleh metode-metode analisis baik statistika maupun artifisial buatan dalam proses credit scoring adalah besarnya variabel yang
3 3 digunakan dalam input data, namun tak jarang data yang tersedia tidak mengikuti kenaikan dimensi. Banyakya variabel dalam input data yang tidak diikuti dengan kenaikan jumlah data, maka dapat menyebabkan munculnya kutukan dimensi (curse of dimensionality). Kutukan dimensi dapat didefiniskan sebagai suatu akibat dari banyaknya variabel yang digunakan dan di antaranya terdapat beberapa variabel yang tidak terlalu berperan dalam analisis, sehingga mengakibatkan adanya multikolinearitas antarvariabel. Kutukan dimensi juga membuat keberadaan titik sampel menjadi semakin jarang pada ruang dimensi tinggi sehingga pengklasifikasian akan sulit dilakukan. Untuk menghindari akibat dari kutukan dimensi, maka perlu dilakukan proses reduksi dimensi pada pre-processing data. Reduksi dimensi pada kasus ini dibagi menjadi dua yaitu teknik feature selection dan teknik feature extraction. Feature selection adalah metode untuk memilih variabel yang dianggap penting yang akan mempengaruhi variabel dependen sehingga diharapkan dapat mengurangi dimensi dalam model. Sementara itu feature extraction adalah suatu metode untuk membentuk suatu variabel baru yang independen secara linear melalui suatu transformasi. Proses reduksi dimensi ini diharapkan dapat meningkatkan tingkat akurasi yang dimiliki oleh hasil dari credit scoring dengan menggunakan SVM. 1.2 Batasan Masalah Pada tugas akhir ini akan dibahas mengenai credit scoring menggunakan Support Vector Machine (SVM) dengan reduksi dimensi menggunakan feature selection dan feature extraction pada pre-processing data. Proses feature selection akan dilakukan pada variabel kategorik dengan menggunakan analisis regresi logistik, sedangkan proses feature extraction akan dilakukan pada variabel numerik dengan menggunakan metode Orthogonal Dimension Reduction (ODR). Pada akhir analisis akan dilakukan perbandingan hasil tingkat akurasi antara SVM menggunakan reduksi dimensi dengan analisis regresi logistik dan Orthogonal Dimension Reduction (ODR) dibandingkan dengan SVM tanpa menggunakan reduksi dimensi pada pre-processing data. Data yang digunakan
4 4 penulis untuk melakukan penerapan metode ini yaitu data kredit nasabah Bank Perkreditan Rakyat (BPR) Bhumipala Yogyakarta. 1.3 Tujuan Penulisan Penyusunan tugas akhir ini dimaksudkan sebagai salah satu syarat untuk mencapai derajat S1 pada Program Studi Statistika FMIPA UGM. Berikut adalah tujuan penulisan dari tugas akhir ini: 1. Untuk menerapkan penggunaan metode analisis regresi logistik dan Orthogonal Dimension Reduction (ODR) sebagai metode reduksi dimensi pada proses credit scoring dengan menggunakan Support Vector Machine (SVM) 2. Untuk mempelajari dan memahami esensi dari penggunaan metode reduksi dimensi pada proses credit scoring dengan menggunakan Support Vector Machine (SVM). 3. Untuk mengaplikasikan proses reduksi dimensi pada Support Vector Machine (SVM) dengan menggunakan data kredit nasabah Bank Perkreditan Rakyat (BPR) Bhumipala Yogyakarta 4. Untuk membandingkan tingkat akurasi proses credit scoring dengan menggunakan teknik reduksi dimensi dan tanpa menggunakan reduksi dimensi pada Support Vector Machine (SVM). 1.4 Metode Penulisan Metode penulisan yang dilakukan oleh penulis dalam penyusunan tugas akhir ini berupa studi literatur dengan sumber yang diperoleh dari perpustakaan, jurnal-jurnal ilmiah, dan sumber-sumber lain yang diperoleh dari internet. Penulis menyelesaikan studi kasus pada tugas akhir ini dengan menggunakan bantuan software SPSS 22.0, Minitab 14.0, dan R Data yang diperoleh penulis adalah data sekunder dari Bank Perkreditan Rakyat (BPR) Bhumipala Yogyakarta yang berupa data kredit nasabah.
5 5 1.5 Tinjauan Pustaka Dalam tugas akhir ini, penulis menggunakan berbagai sumber pustaka sebagai bahan utama penulisan tugas akhir ini. Pustaka utama yang digunakan sebagai acuan adalah jurnal ilmiah dengan judul Orthogonal Support Vector Machine for Credit Scoring yang ditulis oleh Lu Han, Liyan Han, Hongwei Zhao (2013). Jurnal ini memperkenalkan teknik Orthogonal Dimension Reduction (ODR) sebagai teknik reduksi dimensi untuk analisis credit scoring menggunakan Support Vector Machine (SVM). Dalam jurnal ini dilakukan beberapa perbandingan teknik dimensi reduksi pada SVM dan teknik yang menghasilkan tingkat akurasi paling tinggi adalah teknik SVM dengan reduksi dimensi menggunakan analisis regresi logistik untuk variabel kategorik dan teknik Orthogonal Dimension Reduction (ODR) untuk variabel numerik. Penulis juga menggunakan skripsi terdahulu yang ditulis oleh Nurseha (2014) dengan judul Segmentasi Karakteristik Debitur Menggunakan Metode K- Means Cluster dan Multi-Class Support Vector Machine. Kemudian menggunakan acuan skripsi yang ditulis oleh Ayuningtyas (2009) yang berjudul Credit Scoring untuk Kredit Konsumtif Bank Menggunakan Regresi Logistik Ganda dan Analisis Diskriminan. Selain itu penulis juga menggunakan jurnaljurnal ilmiah lain yang mendukung, buku-buku teori yang mendukung, dan beberapa artikel dari website resmi melalui internet. 1.6 Sistematika Penulisan Penulisan skripsi ini digunakan dengan menggunakan sistematika sebagai berikut: BAB I PENDAHULUAN Bab ini berisi latar belakang dari permasalahan yang diangkat, batasan permasalahan, tujuan penulisan, metode penulisan, tinjauan pustaka, serta sistematika penulisan pada skripsi ini. BAB II DASAR TEORI Pada bab ini dibahas mengenai beberapa teori yang mendasari Support Vector Machine (SVM) dengan reduksi dimensi
6 6 BAB III BAB IV BAB V menggunakan analisis regresi logistik dan Orthogonal Dimension Reduction (ODR) untuk credit scoring seperti kredit, manajemen risiko, credit scoring, curse of dimensionality, dimensi reduksi, matriks, variabel random, ekspektasi, variansi, kovariansi, korelasi, distribusi bernoulli, distribusi binomial, distribusi normal, distribusi chi square, newton raphson, ortogonalitas, machine learning, metode lagrange, metode kernel, dan lain sebagainya. SUPPORT VECTOR MACHINE DENGAN REDUKSI DIMENSI MENGGUNAKAN ANALISIS REGRESI LOGISTIK DAN ORTHOGONAL DIMENSION REDUCTION UNTUK CREDIT SCORING Pada bab ini dibahas mengenai pembatasan masalah utama yaitu penjelasan mengenai metode dan proses Support Vector Machine (SVM) untuk credit scoring dengan reduksi dimensi pada preprocessing data menggunakan analisis regresi logistik untuk variabel kategorik dan Orthogonal Dimension Reduction (ODR) untuk variabel numerik. STUDI KASUS Bab ini akan membahas mengenai contoh penerapan Support Vector Machine (SVM) dengan reduksi dimensi menggunakan analisis regresi logistik dan Orthogonal Dimension Reduction (ODR) untuk credit scoring menggunakan data kredit yang kemudian akan dibandingkan tingkat akurasinya dengan data kredit yang dianalisis dengan menggunakan Support Vector Machine (SVM) tanpa reduksi dimensi. PENUTUP Pada bab ini dibahas mengenai kesimpulan yang diperoleh dari hasil pembahasan dan saran sebagai akibat dari kelebihan maupun kekurangan dari hasil penelitian yang dilakukan.
BAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam mencapai tujuan pembangunan ekonomi diperlukan peran serta lembaga keuangan untuk membiayai pembangunan tersebut. Lembaga keuangan memegang peranan penting dalam
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dewasa ini kebutuhan masyarakat akan kredit merupakan hal yang tidak asing. Menyadari bahwa kegiatan kredit pada masyarakat umum semakin meningkat, maka perlu
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN Latar Belakang Kredit merupakan salah satu usaha sekunder yang dapat dilakukan untuk pemenuhan kebutuhan sehari-hari. Pada umumnya, proses kredit dapat dilayani melalui lembaga keuangan
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Seperti halnya semua algoritma dalam pattern recognition pada real-world domain, Support Vector Machine juga selalu mengalami masalah pada tingginya dimensi data yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu usaha pemerintah dalam meningkatkan taraf hidup masyarakat adalah memberdayakan peranan jasa perbankan. Bank memiliki peranan yang sangat penting dalam menunjang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Analisis regresi merupakan salah satu metode statistika yang digunakan untuk mengetahui hubungan antara variabel Y(variabel dependen, respon, tak bebas, outcome) dengan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Regresi adalah suatu metode yang digunakan untuk menganalisis hubungan antara variabel respon dengan variabel penjelas. Pada umumnya, variabel respon
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Regresi Poisson telah mendapat banyak perhatian dalam literatur sebagai model untuk mendeskripsikan data hitungan yang mengasumsikan nilai bilangan bulat sesuai dengan
Lebih terperinciBAB I PENDAHULUAN 1.1.Latar Belakang Masalah
BAB I PENDAHULUAN 1.1.Latar Belakang Masalah Mengingat kondisi perekonomian saat ini sedang tumbuh dan berkembang secara signifikan, di negara khususnya Indonesia, memiliki peningkatan permintaan produk
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kesejahteraan umum merupakan salah satu tujuan dari pembangunan nasional Negara Indonesia. Hal ini disebutkan dengan jelas pada Pembukaan Undang-Undang dasar 1945 di
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi adalah analisis yang dilakukan terhadap dua jenis variabel yaitu variabel independen (prediktor) dan variabel dependen (respon). Analisis
Lebih terperinciBAB III METODE PENELITIAN. tangan dengan menggunakan metode Support Vector Machine (SVM).
BAB III METODE PENELITIAN 3.1 Desain Penelitian Di dalam desain penelitian ini akan menggambarkan proses pengenalan tulisan tangan dengan menggunakan metode Support Vector Machine (SVM). Praproses Input
Lebih terperinciOleh : Mochammad Taufan ( ) DOSEN PEMBIMBING: Prof. Drs. Nur Iriawan, M.Ikom,Ph.D
Pemodelan Early Warning System sebagai Penilai Tingkat Kesehatan Finansial Calon Nasabah dengan Metoda Binary Regresi Logistik Studi Kasus : Bank X Surabaya Branch Oleh : Mochammad Taufan (9107.205.309)
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciANALISIS PERFORMANSI PERUSAHAAN SYARIAH DI BURSA EFEK INDONESIA (BEI) MENGGUNAKAN METODE DISCRIMINANT ANALYSIS DAN SUPPORT VECTOR MACHINE (SVM)
ANALISIS PERFORMANSI PERUSAHAAN SYARIAH DI BURSA EFEK INDONESIA (BEI) MENGGUNAKAN METODE DISCRIMINANT ANALYSIS DAN SUPPORT VECTOR MACHINE (SVM) NUR SYAFRIDA - 1308 100 065 Pembimbing : Muhammad Mashuri,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu analisis yang paling populer digunakan dalam sebuah penelitian untuk mengetahui bentuk hubungan antara variabel
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Regresi logistik digunakan untuk memprediksi variabel respon yang biner dengan satu set variabel penjelas (prediktor). Estimasi parameter dapat menjadi tidak
Lebih terperinciSVM untuk Regresi. Machine Learning
MMA10991 Topik Khusus - Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini dibahas teori yang digunakan sebagai landasan pengerjaan Support Vector Backpropagation. Pembahasan bertujuan untuk menguraikan teori dan algoritma yang digunakan dalam
Lebih terperinciPENERAPAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) PADA DATA AKREDITASI SEKOLAH DASAR (SD) DI KABUPATEN MAGELANG
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 811-820 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) PADA
Lebih terperinciBAB I PENDAHULUAN. bersifat tetap ( bukan
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan suatu analisis yang digunakan untuk mengetahui hubungan antara satu variabel independen atau lebih dengan variabel dependen. Pada studi perbandingan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Ketatnya persaingan antara perusahaan industri satu dengan yang lainnya menyebabkan semakin banyak dan beragam industri saat ini yang berusaha untuk meningkatkan kualitas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu analisis yang paling populer dan digunakan secara luas. Analisis regresi diterapkan tidak hanya oleh para statistisi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA A. Keberhasilan Belajar 1. Pengertian Keberhasilan Belajar Dalam kamus besar bahasa Indonesia, keberhasilan itu sendiri adalah hasil yang telah dicapai (dilakukan, dikerjakan dan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Salah satu pelayanan dalam dunia perbankan adalah pemberian pinjaman kredit kepada nasabah yang memenuhi syarat perbankan. kredit merupakan sumber utama penghasilan
Lebih terperinciMetode Kernel. Machine Learning
MMA10991 Topik Khusus Machine Learning Metode Kernel Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dunia kesehatan dewasa ini tidak bisa dipisahkan dengan teknologi yang terus berkembang. Pengembangan teknologi yang erat kaitannya dengan dunia kesehatan atau dunia
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis data survival merupakan salah satu bidang dalam statistika yang digunakan untuk menganalisis data yang mengukur waktu terjadinya suatu kejadian ( event).
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Analisis statistika pada dasarnya adalah analisis terhadap sampel yang kemudian hasil analisisnya akan digeneralisasikan untuk mengetahui karakteristik populasi.
Lebih terperinciSTUDI KOMPARASI METODE KLASIFIKASI DUA KELAS
Program Studi MMT-ITS, Surabaya Pebruari 007 STUDI KOMPARASI METODE KLASIFIKASI DUA KELAS Budi Santosa dan Devi Rosita Hanum Teknik Industri Institut Teknologi Sepuluh Nopember Email: budi_s@ie.its.ac.id,
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1. Wilayah dan Jadwal Penelitian Wilayah penelitan adalah Kota Banda Aceh. Penelitian ini dilakukan mulai bulan April sampai Juli 2014. 3.2. Populasi dan Sampel Populasi dalam
Lebih terperinciPEMODELAN DENGAN REGRESI LOGISTIK. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal)
PEMODELAN DENGAN REGRESI LOGISTIK 1. Data Biner Data biner merupakan data yang hanya memiliki dua kemungkinan hasil. Secara umum, kedua hasil dilambangkan dengan (sukses) dan (gagal) dengan peluang masing-masing
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Data Mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge)
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis statistika pada dasarnya merupakan suatu analisis terhadap sampel yang kemudian hasilnya akan digeneralisasi untuk menggambarkan suatu karakteristik populasi.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Meningkatnya perkembangan teknologi juga diikuti dengan berkembangnya penggunaan berbagai situs jejaring sosial. Salah satu jejaring sosial yang sangat marak digunakan
Lebih terperinciBAB I PENDAHULUAN. perekonomiannya dan untuk meningkatkan taraf kehidupannya. Salah satu lembaga
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kegiatan pinjam-meminjam uang telah dilakukan sejak lama dalam kehidupan masyarakat. Masyarakat telah menjadikan pinjam-meminjam uang sebagai sesuatu yang sangat
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Negara memainkan peran penting dalam kehidupan ekonomi. Peran itu diwujudkan dalam dua hal pokok, yaitu kewenangan negara untuk menguasai sumber ekonomi, memperoleh
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu teknik analisis statistika yang paling banyak digunakan. Pada kejadian sehari hari terdapat hubungan sebab akibat yang muncul,
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Persaingan dalam dunia bisnis, terlebih lagi bagi perusahaan besar, tidak lepas dari adanya proses jual beli saham. Saham secara umum merupakan surat berharga yang dapat
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Dasar Penelitian Penelitian ini dilakukan berdasarkan rumusan masalah yang telah dijabarkan pada bab sebelumnya yaitu untuk mengklasifikasikan kelayakan kredit calon debitur
Lebih terperinciAnalisis Akurasi Support Vector Machine...
ANALISIS AKURASI SUPPORT VECTOR MACHINE DENGAN FUNGSI KERNEL GAUSSIAN RBF UNTUK PRAKIRAAN BEBAN LISTRIK HARIAN SEKTOR INDUSTRI Luqman Assaffat 1 * 1 Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciBAB I PENDAHULUAN. yang perlu diketahui, yang disebut sebagai variabel. Variabel adalah sebuah
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam melakukan inferensi terhadap populasi, tidak semua ciri populasi harus diketahui, hanya satu atau beberapa karakteristik populasi yang perlu diketahui, yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Musim hujan merupakan musim yang mutlak ada di sebagian belahan benua dunia. Dan curah hujan pasti memiliki
BAB I PENDAHULUAN 1.1 Latar Belakang Musim hujan merupakan musim yang mutlak ada di sebagian belahan benua dunia. Dan curah hujan pasti memiliki intensitas yang berbeda. Faktor penyebabnya dapat terjadi
Lebih terperinciKLASIFIKASI CITRA FORMULIR MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) PADA PROSES DIGITALISASI FORMULIR
KLASIFIKASI CITRA FORMULIR MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) PADA PROSES DIGITALISASI FORMULIR Dewi Pramudi Ismi 1), Ardiansyah 2) 1 Program Studi Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Statistika adalah salah satu cabang ilmu matematika yang memperhitungkan probabilitas dari suatu data sampel dengan tujuan mendapatkan kesimpulan mendekati
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu metode analisis dalam statistika yang sangat familiar bagi kalangan akademis dan pekerja. Analisis regresi dapat
Lebih terperinciBAB III METODE PENELITIAN. umum dari obyek penelitian. Pada penelitian ini peneliti mengambil data waktu tiga
BAB III METODE PENELITIAN 1.1 Waktu dan Tempat Penelitian Waktu dan tempat penelitian menguraikan tentang jadwal penelitian dilaksanakan dan lokasi dimana penelitian dilakukan, yang juga mencakup gambaran
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Jenis kelainan pada tulang punggung manusia bermacam-macam, bergantung pada faktor umur, kebiasaan, dan kecelakaan/virusbakteri. Skoliosis adalah kelainan tulang belakang
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Kemajuan ilmu pengetahuan dan teknologi menuntut perubahan-perubahan yang melibatkan suatu penelitian atau percobaan pada berbagai bidang. Metode Statistik
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Populasi dan Sampel Populasi merupakan jumlah dari keseluruhan obyek (satuan-satuan/individuindividu) yang karakteristiknya hendak diduga (Djarwanto, 1994). Populasi yang
Lebih terperinci1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Penyakit jantung merupakan penyakit yang berbahaya dan menjadi penyebab kematian nomer satu di dunia (Mendis et al., 2011). Menurut data World Health
Lebih terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Teknologi semakin berkembang seiring dengan berjalannya waktu. Disadari atau tidak, sebagian besar kehidupan ini dibantu oleh teknologi dan banyak sekali manfaat yang
Lebih terperinciSVM untuk Regresi Ordinal
MMA10991 Topik Khusus - Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,
Lebih terperinciKLASIFIKASI LAMA STUDI MAHASISWA FSM UNIVERSITAS DIPONEGORO MENGGUNAKAN REGRESI LOGISTIK BINER DAN SUPPORT VECTOR MACHINE (SVM)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 123-132 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI LAMA STUDI MAHASISWA FSM UNIVERSITAS DIPONEGORO
Lebih terperinciSeminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri 2017 ISSN ITN Malang, 4 Pebruari 2017
PENGENALAN INDIVIDU BERDASARKAN SIDIK RUGAE PALATINA DENGAN MENGGUNAKAN METODE SINGULAR VALUE DECOMPOSITION SEBAGAI PENGOLAH EKSTRAKSI CIRI DAN SUPPORT VECTOR MACHINE SEBAGAI KLASIFIKATOR Shofi Annisa
Lebih terperinciNeural Networks. Machine Learning
MMA10991 Topik Khusus - Machine Learning Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439, Fax. +62-21-7863439,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan salah satu analisis yang paling populer dan luas pemakaiannya. Analisis regresi dipakai secara luas tak hanya oleh seorang
Lebih terperinciPlot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel
Plot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel Vitawati Bawotong, Hanny Komalig, Nelson Nainggolan 3 Program Studi Matematika, FMIPA, UNSRAT, vbawotong@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Pendapatan perkapita merupakan besarnya pendapatan rata-rata penduduk suatu
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Pendapatan perkapita merupakan besarnya pendapatan rata-rata penduduk suatu negara pada suatu periode tertentu, yang biasanya satu tahun. Pendapatan perkapita diperoleh
Lebih terperinciESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP
ESTIMASI EROR STANDAR PARAMETER REGRESI LOGISTIK MENGGUNAKAN METODE BOOTSTRAP PADA DATA PASIEN HIPERKOLESTEROLEMIA DI BALAI LABORATORIUM KESEHATAN YOGYAKARTA Fransiska Grase S.W, Sri Sulistijowati H.,
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Banyak metode yang dapat digunakan untuk menganalisis data atau informasi pada suatu pengamatan. Salah satu metode statistik yang paling bermanfaat dan paling sering
Lebih terperinciPENENTUAN JENIS FRAKTUR BATANG (DIAFISIS) PADA TULANG PIPA BERBASIS PENGOLAHAN CITRA DIGITAL DAN SUPPORT VECTOR MACHINE
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi pengolahan citra digital terus mengalami kemajuan yang sangat pesat. Teknologi tersebut dapat digunakan untuk memudahkan dan menyelesaikan masalah
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Model regresi yang baik memerlukan data yang baik pula. Suatu data dikatakan baik apabila data tersebut berada di sekitar garis regresi. Kenyataannya, terkadang terdapat
Lebih terperinciBAB III METODE PENELITIAN. menguji hipotesa penelitian. Bab ini mengungkap desain metode penelitian yang
BAB III METODE PENELITIAN Metode penelitian adalah langkah dan prosedur yang akan dilaksanakan dalam pengumpulan data atau informasi empiris guna memecahkan permasalahan dan menguji hipotesa penelitian.
Lebih terperinciBAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
17 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
Lebih terperinciLCAPM yang dibentuk dari aset-aset berisiko adalah portofolio optimal yang meminimalkan nilai risiko.
1 BAB I PENDAHULUAN 1.1 Latar Belakang Investasi adalah suatu kegiatan menanamkan sejumlah modal pada satu atau lebih aset dengan harapan untuk memperoleh keuntungan di masa mendatang. Investasi dapat
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi merupakan salah satu metode statistika yang luas penggunaanya dalam berbagai bidang dan telah diterapkan untuk berbagai jenis pengujian serta penelitian.
Lebih terperinciIII. METODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Tingkat
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian Analisis Pengaruh Tingkat Suku Bunga Deposito (3 Bulan) Dan Kredit Macet (NPL) Terhadap Loan To Deposit Ratio (LDR) Bank Umum Di
Lebih terperinciKLASIFIKASI WILAYAH DESA-PERDESAAN DAN DESA-PERKOTAAN WILAYAH KABUPATEN SEMARANG DENGAN SUPPORT VECTOR MACHINE (SVM)
KLASIFIKASI WILAYAH DESA-PERDESAAN DAN DESA-PERKOTAAN WILAYAH KABUPATEN SEMARANG DENGAN SUPPORT VECTOR MACHINE (SVM) SKRIPSI Disusun Oleh : MEKAR SEKAR SARI NIM. 24010210120008 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciBAB I PENDAHULUAN. Semakin pesatnya perkembangan teknologi, membuat lahirnya perangkat
BAB I PENDAHULUAN Pada bab ini, akan diuraikan tentang latar belakang masalah penelitian, identifikasi masalah, tujuan penelitian, batasan masalah, dan sistematika dalam penulisan laporan. 1.1 Latar Belakang
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Bank adalah lembaga keuangan yang merupakan penggerak utama dalam pertumbuhan perekonomian masyarakat Indonesia. Sebagai lembaga Intermediasi, bank memiliki
Lebih terperinciPENGENALAN KUALITAS BUAH JERUK KINTAMANI MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) KOMPETENSI KOMPUTASI SKRIPSI KOMANG SONIYA GUNAWAN
PENGENALAN KUALITAS BUAH JERUK KINTAMANI MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) KOMPETENSI KOMPUTASI SKRIPSI KOMANG SONIYA GUNAWAN 1008605032 JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciDIAGNOSA KERUSAKAN BANTALAN BOLA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
DIAGNOSA KERUSAKAN BANTALAN BOLA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE SKRIPSI Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik Oleh: MUHAMMAD FATHURROHMAN NIM. I0411032 JURUSAN
Lebih terperinciBAB I PENDAHULUAN. Bab I Pendahuluan
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Perkembangan ilmu biomedikal telah mendorong banyak penelitian dilakukan untuk menghasilkan alat bantu diagnosa berbasis komputer. Salah satunya yaitu pendeteksian
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang pesat mempermudah akses terhadap informasi tekstual yang sangat besar jumlahnya, baik yang terdapat pada Internet maupun pada koleksi dokumen
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi dalam statistika adalah salah satu metode untuk mengetahui hubungan atau pengaruh antara satu variabel dengan variabel lainnya. Selain
Lebih terperinciBAB III METODOLOGI PENELITIAN. (Sugiyono, 2010). Populasi dalam penelitian ini adalah Bank Umum Milik
BAB III METODOLOGI PENELITIAN 3.1. Populasi dan Sampel Penelitian 3.1.1. Populasi Populasi adalah wilayah generalisasi yang terdiri dari objek atau subjek yang mempunyai kuantitas dan karakteristik tertentu
Lebih terperinciSUPPORT VECTOR MACHINE (SVM)
MAKALAH DATA MINING SUPPORT VECTOR MACHINE (SVM) Di Susun Oleh : Nama : RA. Toyyibatul Faihah NRP : 07.04.111.00132 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS TRUNOJOYO 2010 1 PENDAHULUAN 1.1
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Cabang ilmu statistika dewasa ini semakin mengalami perkembangan yang pesat diikuti dengan arus berbagai permasalahan dunia yang kompleks bermunculan.
Lebih terperinciBAB III METODE PENELITIAN. Objek dari penelitian ini adalah perilaku prosiklikalitas perbankan di
BAB III METODE PENELITIAN A. Objek Penelitian Objek dari penelitian ini adalah perilaku prosiklikalitas perbankan di Indonesia pada tahun 2007M01 2016M09. Pemilihan pada periode tahun yang digunakan adalah
Lebih terperinciModel Linear untuk Klasifikasi
MMA10991 Topik Khusus - Machine Learning Model Linear untuk Klasifikasi Dr. rer. nat. Hendri Murfi Intelligent Data Analysis (IDA) Group Departemen Matematika, Universitas Indonesia Depok 16424 Telp. +62-21-7862719/7863439,
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Data mining adalah proses mengeksplorasi dan menganalisis data dalam jumlah besar untuk menemukan pola dan rule yang berarti (Berry & Linoff, 2004). Klasifikasi adalah
Lebih terperinciISSN : e-proceeding of Engineering : Vol.4, No.3 Desember 2017 Page 3573
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.3 Desember 2017 Page 3573 DENTIFIKASI UMUR MENGGUNAKAN RONSEN PANORAMIK GIGI DENGAN METODE PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE
Lebih terperinciMinggu XI ANALISIS KOMPONEN UTAMA. Utami, H
Minggu XI ANALISIS KOMPONEN UTAMA Utami, H Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen Utama 4 Contoh Utami, H Minggu XIANALISIS KOMPONEN UTAMA 2 / 16 Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen
Lebih terperinciBAB I PENDAHULUAN. yang saling berhubungan atau berpengaruh satu sama lain. Ilmu statistika
BAB I PENDAHULUAN A. Latar Belakang Masalah Dalam kehidupan, seringkali peneliti dihadapkan dengan suatu kejadian yang saling berhubungan atau berpengaruh satu sama lain. Ilmu statistika mengenal metode
Lebih terperinciBAB I PENDAHULUAN. atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri.
BAB I PENDAHULUAN 1.1 Latar Belakang Klasifikasi merupakan pengelompokan secara sistematis pada suatu objek atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri. Masalah klasifikasi
Lebih terperinciBAB I PENDAHULUAN. Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali
BAB I PENDAHULUAN 1.1. Latar Belakang Sistem penglihatan manusia memiliki akurasi yang besar dalam mengenali objek 3 dimensi. Sistem penglihatan manusia dapat membedakan berbagai macam objek 3 dimensi
Lebih terperinciPRESENTASI TUGAS AKHIR IMPLEMENTASI PENGGABUNGAN ALGORITMA SUPPORT VECTOR MACHINE DAN SIMULATED ANNEALING PADA PERMASALAHAN KLASIFIKASI POLA
PRESENTASI TUGAS AKHIR IMPLEMENTASI PENGGABUNGAN ALGORITMA SUPPORT VECTOR MACHINE DAN SIMULATED ANNEALING PADA PERMASALAHAN KLASIFIKASI POLA Penyusun Tugas Akhir : Astris Dyah Perwita (NRP : 5110.100.178)
Lebih terperinciBAB I PENDAHULUAN. perdagangan saham secara maksimal (Wang et al, 2009). semakin berkembang. Dengan memanfaatkan model model peramalan dari
BAB I PENDAHULUAN 1.1 Latar Belakang Peramalan indeks harga saham merupakan sebuah peramalan deret waktu yang cukup sulit dilakukan (Kara et al, 2011). Banyak faktor yang mempengaruhi pergerakan harga
Lebih terperinciBAB IV METODE PENELITIAN. Pada penelitian ini, jenis disain penelitian yang adalah kausalitas. Kausalitas
BAB IV METODE PENELITIAN 4.1. Jenis Disain Penelitian Pada penelitian ini, jenis disain penelitian yang adalah kausalitas. Kausalitas merupakan prinsip sebab akibat. Ruang lingkup dari penelitian ini adalah
Lebih terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Saat ini jalan tol menjadi suatu jalan alternatif untuk mengatasi kemacetan lalu lintas ataupun untuk mempersingkat jarak dari satu tempat ke tempat lain. Untuk menikmati layanan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan semakin majunya peradaban zaman, banyak pihak dalam berbagai bidang memerlukan suatu alat untuk memodelkan suatu data kedalam suatu fungsi yang dapat dipergunakan
Lebih terperinciBAB III METODE PENELITIAN. perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) Periode 2010-
BAB III METODE PENELITIAN A. Subyek Penelitian Populasi dalam penelitian ini adalah laporan keuangan tahunan perusahaan yang terdaftar di Bursa Efek Indonesia (BEI) Periode 2010-2015. Data yang diteliti
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Analisis regresi merupakan suatu metode dalam statistik yang popular, karena banyak digunakan pada penelitian dalam berbagai bidang. Contoh dari penggunaan
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN Pada proses penelitian ini dilakukan beberapa tahapan mulai dari tahap awal yaitu tahap inisiasi, pengembangan model, dan tahap terakhir pengembangan prototipe. Dalam tahapan inisiasi
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengklasifikasian merupakan salah satu metode statistika untuk mengelompok atau menglasifikasi suatu data yang disusun secara sistematis. Masalah klasifikasi sering
Lebih terperinciMetode Klasifikasi (SVM Light dan K-NNK. NN) Dr. Taufik Fuadi Abidin, S.Si., M.Tech. Jurusan Informatika FMIPA Universitas Syiah Kuala
Metode Klasifikasi (SVM Light dan K-NNK NN) Dr. Taufik Fuadi Abidin, S.Si., M.Tech Jurusan Informatika FMIPA Universitas Syiah Kuala www.informatika.unsyiah.ac.id/tfa Alur dan Proses Cleaning Process Dokumen
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi pada dasarnya adalah studi mengenai ketergantungan variabel dependen (respon) dengan satu atau lebih variabel independen (variabel penjelas), dengan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah suatu analisis yang dilakukan terhadap dua variabel yaitu variabel independen (prediktor) dan variabel dependen (respon) untuk mengetahui
Lebih terperinci