WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

Save this PDF as:

Ukuran: px
Mulai penontonan dengan halaman:

Download "WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST"

Transkripsi

1 Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl. Sura Soematr No 65 Badug 4064, Tlp: E-mal: ABSTRAK Bayak proyek berskala besar yag dkembagka sehgga meyebabka semak bayak pula peralata peujag yag dbutuhka. Salah satuya dbutuhka alat berat dalam meyelesaka suatu proyek kostruks. Pegguaa alat berat dalam jagka waktu yag lama aka megakbatka baya operasoal alat berat tersebut mejad megkat. Oleh karea tu, dperluka pegawasa terhadap baya produks alat berat yag merupaka jumlah baya pegeluara dar baya vestas, paggata, operas, reparas, baya dowtme, da baya ketggala model. Tujua dar peulsa adalah utuk megaalss waktu peggata alat berat jes Wheel Loader dega megguaka Metode Least Cost. Pembahasa megguaka alat berat jes Wheel Loader 94G dega megguaka Metode Least Cost. Lamaya umur pemakaa alat 5 tahu. Dar hasl aalss dega megguaka Metode Least Cost dperoleh baya produks alat yag palg mmum terjad pada tahu ke 3. Besarya baya-baya yag dkeluarka pada tahu ke 3 tersebut adalah: baya vestas sebesar Rp. 0.0,00/jam, baya peggata sebesar Rp ,00/jam, baya operas Rp ,00/jam, baya reparas Rp ,00/jam, baya dowtme Rp ,00/jam, da baya ketggala model sebesar Rp. 9.50,00/jam. Baya produks alat berat adalah jumlah dar keeam baya tersebut yatu sebesar Rp ,00/jam. Oleh karea tu, pada tahu ke 3 sebakya dlakuka peggata alat karea baya produks yag dkeluarka adalah yag palg redah. Kata kuc: alat berat, metoda Least cost, wheel Loader, 5 tahu, Whell loader.. PENDAHULUAN Semak bayakya proyek skala besar yag dkembagka, maka semak bayak pula peralata peujag yag dbutuhka. Hal dperluka dem memperlacar jalaya pelaksaaa pembagua suatu proyek yag sedag dkerjaka, oleh karea tu, dperluka suatu maajeme yag bak dalam megelola peralata tersebut. Pegguaa alat berat dalam jagka waktu yag lama aka megakbatka megkatya baya operasoal dar alat berat tersebut. Hal dkareaka oleh besarya baya yag dkeluarka utuk perawata da perbaka dar alat berat. Utuk megatas hal tersebut, maka perlu dlakuka pegawasa terhadap baya produks alat berat yag dapat dguaka utuk meetapka waktu pergata alat berat tersebut. Faktor-faktor yag mempegaruh baya produks suatu alat berat adalah baya vestas, baya peggata, baya operas, baya reparas, baya dowtme, da baya ketggala model. Peggata alat berat sebakya dlakuka pada tahu d maa baya produks adalah palg redah.. MAKSUD DAN TUJUAN PENULISAN Maksud da tujua dar peulsa utuk dapat meetapka waktu yag tepat dalam melakuka pergata alat berat dega megguaka Metode Least Cost d maa baya-baya yag dkeluarka utuk baya produks adalah yag palg redah. 3. BATASAN-BATASAN YANG DIGUNAKAN SEBAGAI BERIKUT : Alat berat jes Wheel Loader tpe 94G. Baya yag dperhtugka adalah baya vestas, baya peggata, baya operas, baya reparas, baya dowtme, da baya ketggala model. Dpaka Metode Least Cost. Data-data baya dar dstrbutor alat. Iformas dar perusahaa alat berat. Uverstas Pelta Harapa Uverstas Atma Jaya Yogyakarta M 57

2 Maksum Taubrata Data-data la yag tdak dapat dperoleh aka dasumska. 4. ANALISIS BIAYA INVESTASI D bawah aka dhtug baya vestas dar alat berat jes Wheel Loader 94G dega megguaka data yag ada.. Baya vestas sedr terdr dar baya peyusuta, baya buga, baya asuras, da baya pajak per jam. 4. Baya Peyusuta Utuk meghtug la peyusuta/depresas aka dguaka Metode Jumlah Agka Tahu (Sum Of The Year Methode) yatu sebaga berkut: Harga alat = Rp ,00 Baya 4 bula = Rp ,00 Nla ssa = Rp ,00 Nla peyusuta = = Rp ,00 Karea umur pemakaa alat adalah 5 tahu, maka SOYD = = 5. Dega demka besarya peyusuta utuk setap tahuya dapat dhtug sebaga berkut : Peyusuta tahu ke- 5 + = x = Rp ,00 5 Peyusuta tahu ke- 5 + = x = Rp ,00, dst 5 Jad baya peyusuta per jam adalah peyusuta kumulatf dbag dega jam kerja kumulatf. Baya peryusuta per jam utuk setap tahuya dapat dlhat pada tabel d bawah. Tabel. Perhtuga Baya Peyusuta per Jam Alat Wheel Loader 94G Tahu ( N ). Ivests awal tahu (harga alat/ba) [Rp.] Peyusuta / depresas [Rp.] Peyusuta kumulatf [Rp.] Jam kerja kumulatf [jam] Baya peyusuta per jam ( 3/4 ) [Rp./jam] Baya Buga, Asuras, da Pajak Dega megguaka rumus maka besarya baya buga, baya asuras, da baya pajak per jam pada tahu pertama dapat dhtug sebaga berkut : A. BIAYA BUNGA Masa paka alat (N) = tahu Harga alat = Rp ,00 Suku buga = 6 % Jam operas per tahu = 000 jam Baya buga tahu ke- ( + ) x x 6% (x) = = Rp. 89.7,-/jam 000 B. BIAYA ASURANSI Masa paka alat (N) = tahu Harga alat = Rp ,00 Asuras = % Jam operas per tahu = 000 jam ( + ) x x % (x) Baya asuras tahu ke- = = Rp ,-/jam 000 C. BIAYA PAJAK Masa paka alat (N) = tahu Harga alat = Rp ,00 M - 58 Uverstas Pelta Harapa Uverstas Atma Jaya Yogyakarta

3 Waktu Pergata Alat Berat Jes Wheel Loader dega Metode Least Cost Pajak = 0 % Jam operas per tahu = 000 jam ( + ) x x 0% (x) Baya pajak tahu ke- = = Rp ,-/jam 000 Dega megguaka cara yag sama dega d atas, maka besarya baya buga, asuras, da pajak per jam utuk setap tahuya dapat dbuat dalam betuk Tabel d bawah Tabel. Perhtuga Baya Buga, Asuras, da Pajak per Jam Alat Wheel Loader 94G No Tahu ( N ). Baya buga per jam [Rp./jam] Baya asuras per jam [Rp./jam] Baya pajak per jam [Rp./jam] Dega demka, besarya baya vestas per jam alat berat adalah jumlah dar baya peyusuta per jam, baya buga per jam, baya asuras per jam, da baya pajak per jam. Hasl perhtuga tesebut dapat dlhat pada Tabel 3. d bawah. Tabel 3. Perhtuga Baya Ivestas per Jam Alat Wheel Loader 94G Tahu ( N ). Baya Peyusuta Per Jam [Rp./jam] Baya Buga Per Jam [Rp./jam] Baya Asuras Per Jam [Rp./jam] Baya Pajak Per Jam [Rp./jam] Baya Ivestas Per Jam ( ) [Rp./jam] Hubuga perubaha umur dega baya vestas alat utuk Wheel Loader 94G dapat dlhat pada Grafk y = 630.5x x x x R = Umur (tahu) Grafk Hubuga Perubaha Umur dega Baya Ivestas Alat Dar aalss regres polomal, dperoleh grafk hubuga yag mempuya persamaa Y = 630,5X ,X X 54546X da R = d maa Y adalah baya vestas, X adalah umur alat, da R adalah koefse korelas. R = yag artya perkraa dar persamaa d atas adalah bear. Semak lama umur pemakaaya, semak kecl baya vestas alat. Maka dapat dsmpulka bahwa hubuga atara perubaha umur dega baya vestas alat Wheel Loader 94G adalah berbadg terbalk. 4.ANALISIS BIAYA PENGGANTIAN Baya peggata dar alat Wheel Loader 94G dapat dlhat pada tabel 4. Tabel 4 Perhtuga Baya Peggata per Jam Alat Wheel Loader 94G No Tahu ( N ). Harga jual akhr tahu [Rp.] Harga peralata baru (ak 0% per tahu) [Rp.] Keruga karea peggata ( - ) [Rp.] Jam kerja kumulatf [jam] Baya peggata per jam ( 3/4 ) [Rp./jam] Uverstas Pelta Harapa Uverstas Atma Jaya Yogyakarta M - 59

4 Maksum Taubrata Hubuga perubaha umur dega baya peggata alat utuk Wheel Loader 94G dapat dlhat pada Grafk 4.. Dar aalss regres polomal, dperoleh grafk hubuga yag mempuya persamaa Y = 09,07X 4 633,5X ,X 3463X + 49 da R = d maa Y adalah baya peggata, X adalah umur alat, da R adalah koefse korelas. R = yag artya perkraa dar persamaa d atas adalah bear. Semak lama umur pemakaaya, semak kecl baya peggata alat. Maka dapat dsmpulka bahwa hubuga atara perubaha umur dega baya peggata alat Wheel Loader 94G adalah berbadg terbalk. 4. Aalss Baya Operas Baya operas terdr dar baya baha bakar, baya pelumas da gemuk, baya ba utuk roda ba, da upah operator. Tabel 5 d bawah aka dberka uraa perhtuga dar baya operas Wheel Loader 94G per jam.(table 5 tdak dlamprka berhubug jumlah lembar dbatas). Jad baya operas Wheel Loader 94G adalah sama setap tahuya dmaa waktu yag dtjau selama 5 tahu yatu sebesar Rp ,00/jam. Baya operas alat tersebut belum termasuk baya reparas alat, d maa baya reparas merupaka tem tuggal yag palg besar d dalam megoperaska peralata. Oleh karea tu, perhtuga baya reparas dpsahka dar perhtuga baya operas alat. Hubuga perubaha umur dega baya operas alat utuk Wheel Loader 94G dapat dlhat pada Grafk y = R = Umur (tahu) Grafk : Hubuga Perubaha Umur dega Baya operas Alat y = 09.07x x x x + 49 R = Umur (tahu) Grafk 3: Hubuga Perubaha Umur dega Baya Peggata Alat y = 68x + 68 R = Umur (tahu) Grafk 4: Hubuga Perubaha Umur dega Baya Reparas Alat Dar aalss regres ler, dperoleh grafk hubuga yag mempuya persamaa Y = d maa Y adalah baya operas, X adalah umur alat, da R adalah koefse korelas. R = yag artya perkraa dar persamaa d atas adalah bear. Dapat dsmpulka bahwa baya yag dkeluarka utuk megoperaska alat Wheel Loader 94G adalah sama walaupu umur pemakaaya bertambah. 4. Aalss Baya Reparas Dega megguaka cara yag sama dega d atas, maka besarya baya reparas per jam tap tahu dar Wheel Loader 94G dapat dlhat pada Tabel 5. M - 60 Uverstas Pelta Harapa Uverstas Atma Jaya Yogyakarta

5 Waktu Pergata Alat Berat Jes Wheel Loader dega Metode Least Cost Tabel 5. Perhtuga Baya Reparas per Jam Alat Wheel Loader 94G Tahu. Baya reparas (%dar harga alat) 6% % 8% 4% 30%. Baya reparas [Rp.] Baya reparas kumulatf [Rp.] Jam kerja kumulatf [jam] Baya reparas per jam ( 3/4 ) [Rp./jam] Hubuga perubaha umur dega baya reparas alat utuk Wheel Loader 94G dapat dlhat pada Grafk 4.4. Dar aalss regres ler, dperoleh grafk hubuga yag mempuya persamaa Y = 68X + 68 da R = d maa Y adalah baya reparas, X adalah umur alat, da R adalah koefse korelas. R = yag artya perkraa dar persamaa d atas adalah bear. Dapat dsmpulka bahwa apabla umur pemakaa bertambah, maka baya reparas alat juga megkat. Begtu juga bla umur pemakaa berkurag, maka baya reparas juga aka turu. 4.3 Aalss Baya Dowtme Tabel 6. Perhtuga Baya Dowtme per Jam Alat Wheel Loader 94G Tahu ( N ). Jumlah jam operas [jam] Jumlah dowtme [jam] Baya dowtme [Rp.] Baya dowtme kumulatf [Rp.] Jam kerja kumulatf [jam] Baya dowtme per jam ( 4/5) [Rp./jam] Hubuga perubaha umur dega baya dowtme alat utuk Wheel Loader 94G dapat dlhat pada Grafk 5: y = 965x R = Umur (tahu) Grafk 5: Hubuga Perubaha Umur dega Baya Dowtme Alat Dar aalss regres ler, dperoleh grafk hubuga yag mempuya persamaa Y = 965X da R = d maa Y adalah baya dowtme, X adalah umur alat, da R adalah koefse korelas. R = yag artya perkraa dar persamaa d atas adalah bear. Dapat dsmpulka bahwa apabla umur pemakaa bertambah, maka baya dowtme alat juga megkat. Begtu juga bla umur pemakaa berkurag, maka baya dowtme juga aka turu. 4.4Aalss Baya Ketggala Model Besarya baya ketggala model per jam dperkraka sama dega harga sewa alat yatu Rp ,00/jam. Pada tahu pertama tdak ada baya ketggala model karea keaka produktvtas baru terjad pada tahu ke da pada tahu-tahu berkutya. Dega demka, besarya baya ketggala model pada tahu ke dapat dhtug sebaga berkut : Pada tahu ke Jam kerja per tahu =.000 jam Faktor karea ketggala model = 5% Jam kerja tambaha utuk model lama = 5% x.000 = 00 jam Baya ketggala model = 00 x = Rp ,00 Jam kerja kumulatf = jam Baya ketggala model per jam = = Rp 965,00/jam Dega megguaka cara yag sama dega d atas, maka besarya baya ketggala model per jam utuk tahutahu berkutya dapat dlhat pada Tabel 7. Uverstas Pelta Harapa Uverstas Atma Jaya Yogyakarta M - 6

6 Maksum Taubrata Tabel 7: Perhtuga Baya Ketggala Model per Jam Alat Wheel Loader 9 Tahu ( N ). Faktor ketggala model 0 5% 0% 5% 0%. Jam kerja tambaha utuk model lama [jam] Baya ketggala model [Rp.] Baya ketggala model kumulatf [Rp.] Jam kerja kumulatf [jam] Baya ketggala model per jam ( 4/5 ) [Rp./jam] Hubuga perubaha umur dega baya ketggala model utuk Wheel Loader 94G dapat dlhat pada Grafk y = 965x R = Umur (tahu) Grafk 6: Hubuga Perubaha Umur dega Baya Ketggala Model Alat Dar aalss regres ler, dperoleh grafk hubuga yag mempuya persamaa Y = 965X 965 da R =. Y adalah baya ketggala model, X adalah umur alat, da R adalah koefse korelas. R = yag artya perkraa dar persamaa d atas adalah bear. Dapat dsmpulka bahwa apabla umur pemakaa bertambah, maka baya ketggala model juga megkat. Begtu juga bla umur pemakaa berkurag, maka baya ketggala model juga aka turu. Keteraga : Semua persamaa d atas dperoleh dega megguaka aalss regres dega batua Mcrosoft Excel. D bawah aka dberka cotoh perhtuga utuk mecar persamaa gars dega cara maual megguaka aalss regres ler. Data yag dperguaka adalah baya ketggala model yag terdapat pada Tabel.8. Tabel 8: Perhtuga Baya Ketggala Model per Jam Alat Wheel Loader 94G Tahu ( N ). Faktor ketggala model 0 5% 0% 5% 0%. Jam kerja tambaha utuk model lama [jam] Baya ketggala model [Rp.] Baya ketggala model kumulatf [Rp.] Jam kerja kumulatf [jam] Baya ketggala model per jam ( 4/5 ) [Rp./jam] Persamaa umum : Y = a + bx Dmaa : a = Y X. b (XY ) ( X )( Y ) b = X ( X ) Utuk megetahu besarya la a da b d atas, terlebh dahulu aka dcar la-la X da Y yag terdapat pada Tabel.9 d bawah. Tabel 9 Perhtuga Nla-la X da Y X Y X Y X Σ X X = = 5 = = 3 5 M - 6 Uverstas Pelta Harapa Uverstas Atma Jaya Yogyakarta

7 Waktu Pergata Alat Berat Jes Wheel Loader dega Metode Least Cost Y 9650 Y = = = = x x9650 b = = 965 5x55 5 a = x3 = 965 Jad, persamaa garsya mejad : Y = a + bx = X Utuk megetahu derajat kesesuaa dar persamaa yag ddapat, maka dhtug koefse korelas dega rumus : dmaa : R = koefse korelas D t = ( Y Y ) D = ( Y a bx ) Hasl perhtuga la-la D t da D dapat dlhat dalam Tabel 0: d bawah. Tabel 0: Perhtuga Nla-la D t da D X Y Y(X ) = 965X 965 D D t Σ Dar Tabel 0: d atas, maka dapat dhtug koefse korelas (R ) sebaga berkut: R = = R = artya perkraa dar suatu fugs persamaa adalah sempura. 4.5 Aalss Baya Peggata Alat dega Metode Least Cost Berkut aka dguaka metode Least Cost utuk megaalss waktu yag tepat utuk melakuka pergata alat Wheel Loader 94G sehubuga dega baya yag ekooms / termurah. Berdasarka hasl perhtugaperhtuga d atas, maka dapat dketahu besarya baya produks tahua dar alat Wheel Loader 94G merupaka pejumlaha dar baya-baya vestas, peggata, operas, reparas, dowtme, da ketggala model. Besarya baya produks tahua tersebut dyataka dalam satua rupah/jam yag dapat dlhat dalam Tabel. Tabel : Perhtuga Baya Produks Tahua per Jam Alat Wheel Loader 94G Tahu ( N ). Baya Ivestas [Rp./jam] Baya Peggata [Rp./jam] Baya Operas [Rp./jam] Baya Reparas [Rp./jam] Baya Dowtme [Rp./jam] Baya Ketggala Model [Rp./jam] Baya Produks Alat ( ) [Rp./jam] Pada Tabel tersebut terlhat bahwa baya produks tahua alat megalam peurua dar tahu pertama sampa dega tahu ke 3. Baya produks pada tahu ke adalah Rp ,-/jam, pada tahu ke adalah Rp ,- /jam, da pada tahu ke 3 adalah Rp ,-/jam. Tetap pada tahu berkutya, baya produks alat kembal megkat yatu pada tahu ke 4 adalah Rp ,-/jam da pada tahu ke 5 mejad Rp ,-/jam. Jad, dapat dsmpulka bahwa peggata alat Wheel Loader 94G sebakya dlakuka pada tahu ke tga dmaa baya produks yag dkeluarka Uverstas Pelta Harapa Uverstas Atma Jaya Yogyakarta M - 63

8 Maksum Taubrata 5. KESIMPULAN. Baya Produks Alat adalah pejumlaha dar Baya Ivestas, Baya Peggata, Baya Operas, Baya Reparas, Baya Dowtme, da Baya Ketggala Model.. Berdasarka hasl d atas, maka terlhat bahwa baya vestas semak kecl serg dega bertambahya umur pemakaa. 3. Baya peggata semak kecl serg dega bertambahya umur pemakaa. 4. Baya reparas semak besar serg dega bertambahya umur pemakaa. 5.Dar hasl perhtuga besarya baya dowtme setap tahuya utuk umur pemakaa selama 5 tahu adalah sebaga berkut : 5. Baya dowtme semak besar serg dega bertambahya umur pemakaa. 6. Baya ketggala model semak besar serg dega bertambahya umur pemakaa. 7 Dega megguaka Metode Least Cost, maka dperoleh baya produks terkecl yag terjad pada tahu ke 3 yatu sebesar Rp ,00 / jam. DAFTAR PUSTAKA Caterpllar., (00), Caterpllar Performace Hadbook, Edto 3 th, Caterpllar Ic., USA. Corder, Atoy., (99), Tekk Maajeme Pemelharaa, Cetaka Kedua, Terjemaha Kusul Had., Peerbt Erlagga, Jakarta. Drektorat Jederal Ba Marga., (978), Semar Peralata Jala, Peerbt Departeme Pekerjaa Umum, Badug. Drektorat Jederal Pegara., (977), Pedoma Pokok Pemelharaa Peralata (P4), Peerbt Departeme Pekerjaa Umum da Teaga Lstrk, Jakarta. Halm, Abdul., (003), Aalss Ivestas, Eds Pertama, Peerbt Salemba Empat, Jakarta. M - 64 Uverstas Pelta Harapa Uverstas Atma Jaya Yogyakarta

NPV DAN IRR IR. ASEP TOTO KARTAMAN, MENG

NPV DAN IRR IR. ASEP TOTO KARTAMAN, MENG DAN IRR IR. ASEP TOTO KARTAMAN, MENG SEMESTER PENDEK SEMESTER TAHUN AKADEMIK 03-04 Prod Tekk Idustr Fakultas Tekk Uverstas Pasuda Badug 04 PERHITUNGAN KELAYAKAN INVESTASI. Net Preset Value () merupaka

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB 2 LANDASAN TEORI. Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton,

BAB 2 LANDASAN TEORI. Istilah regresi pertama kali diperkenalkan oleh Francis Galton. Menurut Galton, BAB LANDASAN TEORI Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut varabel tak bebas (depedet

Lebih terperinci

Analisis Kriteria Investasi

Analisis Kriteria Investasi Uverstas Guadarma TUJUAN Setelah mempelajar Bab dharapka mahasswa dapat memaham: Apakah gagasa usaha (proyek) yag drecaaka dapat memberka mafaat (beeft), bak dlhat dar facal beeft maupu socal beeft. Pelaa

Lebih terperinci

Analisis Kriteria Investasi TUJUAN

Analisis Kriteria Investasi TUJUAN Aalss Krtera Ivestas TUJUAN Setelah mempelajar Bab dharapka mahasswa dapat memaham: Apakah gagasa usaha (proyek) yag drecaaka dapat memberka mafaat (beeft), bak dlhat dar facal beeft maupu socal beeft.

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS

UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS Tgg tekaa [m] UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS Se, 11 Desember 017 100 met [ Boleh membuka buku Tdak boleh memaka komputer ] SOAL 1 [SO A-3, BOBOT NILAI 50%] Sebuah PDAM melakuka pegukura

Lebih terperinci

UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS

UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS UJIAN AKHIR SEMESTER STATISTIKA DAN PROBABILITAS Se, 19 Desember 016 100 met [ Boleh membuka buku Tdak boleh memaka komputer ] SOAL 1 [SO A-3, BOBOT NILAI 40%] Hasl pegukura sampel d beberapa sekolah da

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB 2 TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB TINJAUAN TEORITIS 1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga kumpula

Lebih terperinci

ANALISIS KORELASI DAN REGRESI (LINEAR)

ANALISIS KORELASI DAN REGRESI (LINEAR) ANALISIS KORELASI DAN REGRESI (LINEAR) Hubuga atara dua kejada dapat dyataka dega hubuga dua varabel Apabla dua varabel da mempuya hubuga, maka la varabel yag sudah dketahu dapat dperguaka utuk memperkraka/meaksr.

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

EKONOMI TEKNIK. Ekuivalensi

EKONOMI TEKNIK. Ekuivalensi EKONOMI TEKNIK Ekuvales Ekuvales Ekuvales = Nla uag yag sama pada waktu yag berbeda. Jumlah uag berbeda pada waktu berbeda dapat berla ekooms sama. Cotoh = harga bes Rp 4.5, (25), Rp 5.5, (29), da Rp 6.5

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

Lebih terperinci

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB

IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

Angka Banding Manfaat dan Biaya

Angka Banding Manfaat dan Biaya METODE ANALISIS PERENCANAAN 2 Mater 3 : TPL 311 Oleh : Ke Marta Kaskoe Agka Badg Mafaat da Baya Dalam proyek pembagua, perlu dketahu apa mafaat dar proyek tersebut? Bagamaa keutuga ekoom atau keutuga sosal

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak BAB III METODE PENELITIAN 3.1 Lokas da Waktu Peelta Peelta dlakuka d PT. Mulya Agro Botekolog yag terletak Perumaha Tegalgodo Asr Blok H III No. 10 Kecamata Karagploso, Kabupate Malag. Pemlha lokas peelta

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

OPTIMASI PENJADWALAN PEMBANGKITAN DI ANTARA UNIT-UNIT PEMBANGKIT TERMAL BERDASARKAN INCREMENTAL PRODUCTION COST YANG SAMA. Abstrak

OPTIMASI PENJADWALAN PEMBANGKITAN DI ANTARA UNIT-UNIT PEMBANGKIT TERMAL BERDASARKAN INCREMENTAL PRODUCTION COST YANG SAMA. Abstrak OTIMASI ENJADWALAN EMBANGKITAN DI ANTARA UNIT-UNIT EMBANGKIT TERMAL BERDASARKAN INCREMENTAL RODUCTION COST YANG SAMA. (Al Imra) OTIMASI ENJADWALAN EMBANGKITAN DI ANTARA UNIT-UNIT EMBANGKIT TERMAL BERDASARKAN

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

INTERPOLASI. FTI-Universitas Yarsi

INTERPOLASI. FTI-Universitas Yarsi BAB VI INTERPOLASI FTI-Uverstas Yars Pedahulua Bla dketahu taulas ttk-ttk (y seaga erkut (yag dalam hal rumus ugs y ( tdak dketahu secara eksplst: Htug taksra la y utuk 3.8! FTI-Uverstas Yars Persoala

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A **

MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A ** MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS Aeke Iswa A ** Abstrak Apaba berhadapa dega data has meghtug yag berupa frekues, kemuda dtetuka varabe bebas da tak bebas yag berupa propors, maka

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

Analisis Korelasi dan Regresi

Analisis Korelasi dan Regresi Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael

Lebih terperinci

H. MEMECAHKAN MASALAH KEUANGAN DENGAN KONSEP MATEMATIKA

H. MEMECAHKAN MASALAH KEUANGAN DENGAN KONSEP MATEMATIKA H. EECAHKAN ASALAH KEUANGAN DENGAN KONSE ATEATIKA eyelesaka asalah Buga Tuggal da Buga ajemuk Dalam Keuaga Buga Tuggal egerta Buga erse Datas Seratus da erse Dbawah Seratus erse D atas Seratus erse datas

Lebih terperinci

Muniya Alteza

Muniya Alteza RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange Praktkum 0 Iterpolas Polomal da Lagrage PRAKTIKUM 0 Iterpolas Polomal da Lagrage Tuua : Mempelaar berbaga metode Iterpolas ag ada utuk meetuka ttkttk atara dar buah ttk dega megguaka suatu fugs pedekata

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

3. METODOLOGI PENELITIAN

3. METODOLOGI PENELITIAN 3. METODOLOGI PENELITIAN 3.1 Waktu da Tempat Peelta dlakuka mula taggal 13 Me sampa dega 19 Agustus 007d perara Teluk Lasogko, Kabupate Buto, Sulawes Teggara. Lokas dplh dega pertmbaga bahwa perara merupaka

Lebih terperinci

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

JSIKA Vol. 6, No. 3. Tahun 2016 ISSN X

JSIKA Vol. 6, No. 3. Tahun 2016 ISSN X Pegukura Kualtas Webste Bada Kepegawaa Negara Kator Regoal II Dega Megguaka Metode WebQual 4.0. Flemo Edw Haraja 1) Patjawat Sudarmagtyas 2) Marya Mujayaa Program Stud/Jurusa Sstem Iformas Isttut Bss da

Lebih terperinci

ANALISIS KELAYAKAN USAHA PUPUK ORGANIK (PO) CURAH. Oleh : CECEP PARDANI FAKULTAS PERTANIAN UNIVERSITAS GALUH CIAMIS

ANALISIS KELAYAKAN USAHA PUPUK ORGANIK (PO) CURAH. Oleh : CECEP PARDANI FAKULTAS PERTANIAN UNIVERSITAS GALUH CIAMIS ANALISIS KELAYAKAN USAHA PUPUK ORGANIK (PO) CURAH Oleh : CECEP PARDANI FAKULTAS PERTANIAN UNIVERSITAS GALUH CIAMIS e-mal : alfarhac@gmal.com DEVI SUTRIANA FAKULTAS PERTANIAN UNIVERSITAS GALUH CIAMIS e-mal

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Pegerta da Keguaa Peramala Peramala adalah kegata utuk memperkraka apa yag aka terjad d masa yag aka datag. Serg terjad sejag waktu (lme lag) atara kesadara aka perstwa atau kebutuha

Lebih terperinci

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pegerta Perawata (Mateace) Meurut Assaur (999, p95) perawata merupaka kegata utuk memelhara atau mejaga fasltas da peralata pabrk, da megadaka perbaka, peyesuaa, atau peggata yag dperluka

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

MODUL ANALISIS REGRESI DAN KORELASI

MODUL ANALISIS REGRESI DAN KORELASI ANALISIS REGRESI DAN KORELASI MODUL 13 ANALISIS REGRESI DAN KORELASI Dalam kehdupa sehar-har, sergkal djumpa hubuga atara suatu varabel dega satu atau lebh varabel la. D dalam bdag pertaa sebaga cotoh,

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci