PENGARUH JUMLAH DATA DAN LOKASI TRAFFIC COUNT TERHADAP ESTIMASI MATRIKS ASAL-TUJUAN KOTA BANDAR LAMPUNG BERDASARKAN ARUS LALU LINTAS

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENGARUH JUMLAH DATA DAN LOKASI TRAFFIC COUNT TERHADAP ESTIMASI MATRIKS ASAL-TUJUAN KOTA BANDAR LAMPUNG BERDASARKAN ARUS LALU LINTAS"

Transkripsi

1 PENGARUH JUMLAH DATA DAN LOKASI TRAFFIC COUNT TERHADAP ESTIMASI MATRIKS ASAL-TUJUAN KOTA BANDAR LAMPUNG BERDASARKAN ARUS LALU LINTAS Wwt Tr Rahayu 1 Abstract The more ata traffc count usng n process wth unconventonal methos, wll estmate the better OD matrx, but t spen a lot of tmes, effort, an cost. Effcency can be one by fnng the amount of ata an pont the exact locaton, makng t more effectve n terms of tme an costs but stll prouce an optmal estmate of O-D Matrx. The use of 42 traffc count prouce estmate of O- D Matrx moel (100%) wth R-square s 0,3114 for the current level. Scenaros s one by selectng roas wth the lowest flow rate, 2 ata for each scenaro. Selecton of nput ata traffc flow yel of the 13 scenaros, each of scenaros prouce estmate of O-D Matrx wth varaton R- square. R-square of 0,9517 for lnear tren lne shows the amount of ata has a tremenous nfluence n the eclne n the value of R-square for the current level. Inconserably the conton of epenence, nconsstency, an the proporton movement make estmate of O-D Matrx has not been seen sgnfcantly. The optmum number of traffc count ata s about 32 traffc count ata, or about 76,19% of the total ata traffc count (100%). Roas that coul be recommene to nput ata to estmate O-D Matrx traffc count of more effectve an effcent base on the stuy of the roa wth a large amount of movement of vehcles, roas wth a large proporton of the movement of traffc between the zones, an roas are not only through prvate vehcles but also by publc transport. Keywors : Estmate O-D Matrx, Traffc Count, Unconventonal Methos. Abstrak Semakn banyak penggunaan ata arus lalu lntas alam proses estmas engan metoe tak konvensonal tentunya akan menghaslkan MAT engan tngkat akuras yang semakn bak. Namun akan membutuhkan waktu, tenaga, an baya yang semakn besar. Efsens jumlah ata yang olah apat lakukan engan menentukan jumlah ata an ttk lokas traffc count yang tepat alam lngkup wlayah kajan, sehngga lebh efektf ar seg waktu an baya namun tetap menghaslkan estmas MAT yang optmal. Penggunaan 42 ata arus lalu lntas menghaslkan estmas MAT moel (100%) engan nla R 2 sebesar 0,3114 engan membanngkan arus hasl pembebanan terhaap arus ata masukan. Penyusunan skenaro engan menyeleks ruas jalan engan tngkat arus terenah sejumlah 2 ata tap skenaronya, an menghaslkan ke-13 skenaro yang masng-masng menghaslkan estmas MAT. R 2 trenlne secara lner sebesar 0,9517 menunjukkan jumlah ata memlk pengaruh yang sangat besar alam penurunan tngkat akuras MAT yang tunjukkan oleh nla R 2 untuk perbanngan arus. Rekomenas jumlah ata arus lalu lntas optmum efsen berasarkan peneltan aalah sebanyak 32 ata traffc count atau sebesar 76,19% ar total ata arus traffc count keseluruhan (100%). Rekomenas ruas-ruas jalan sebaga ata masukan traffc count untuk estmas MAT yang lebh efektf an efsen yatu ruas jalan engan jumlah pergerakan kenaraan yang besar, ruas jalan engan propors yang besar terhaap pergerakan lalu lntas antar zona, an ruas jalan yang tak hanya lalu angkutan prba namun juga oleh angkutan umum. Kata Kunc : Estmas MAT, Data Arus Lalu Lntas, Metoe Tak Konvensonal. 1 Mahasswa Magster Teknk Spl Unverstas Lampung. Jl. Prof. Sumantr Brojonegoro No 1 Geong Meneng, Banar Lampung Emal : whet2_cv@yahoo.co.

2 1. PENDAHULUAN 1.1 Latar Belakang MAT (Matrks Asal Tujuan) serngkal gunakan untuk apat menggambarkan pola pergerakan, engan membebankan MAT ke jarngan jalan maka apat menghaslkan pola arus lalu lntas. Analss terhaap pola tersebut, apat mengentfkas permasalahan yang terja paa jarngan jalan an selanjutnya berbaga solus apat susun untuk apat mengatas permasalahan yang terja paa jarngan tersebut. Terapat 2 (ua) metoe untuk memperoleh MAT, yatu metoe konvensonal an tak konvensonal. MAT yang peroleh melalu metoe tak konvensonal, umumnya menggunakan ata arus lalu lntas kenal merupakan suatu metoe estmas yang cukup efektf an ekonoms, tetap memlk tngkat kehanalan yang tngg. Apabla banngkan engan metoe konvensonal yang menggunakan survey O-D, maka metoe tak konvensonal n membutuhkan baya an waktu yang relatf tngkatannya lebh renah (Tamn,2000). Estmas MAT engan metoe tak konvensonal berasarkan ata arus lalu lntas, tentunya menjakan ata arus lalu lntas sebaga faktor pentng alam kualtas MAT. Cakupan ata yang sangat luas serngkal membuat kesalahan alam pengolahan ata. Untuk tu, butuhkan suatu efsens ata yang olah namun tetap menghaslkan estmas MAT engan tngkat akuras yang bak. Efsens n apat lakukan engan menemukan jumlah ata an ttk lokas traffc count yang tepat alam lngkup wlayah kajan, sehngga lebh efektf ar seg waktu an baya, namun tetap menghaslkan estmas MAT yang optmal alam tngkat akuras untuk apat pergunakan alam perencanaan transportas. 1.2 Tujuan Peneltan n bertujuan mengkaj pengaruh jumlah ata an lokas traffc count terhaap MAT Kota Banar Lampung yang estmas menggunakan metoe tak konvensonal berasarkan ata arus lalu lntas. Kajan tersebut harapkan apat memberkan gambaran jumlah ata serta lokas survey traffc count yang tepat terkat engan efsens survey yang apat lakukan untuk masa menatang. untuk apat menghaslkan MAT yang optmal an berakuras tngg untuk apat menggambarkan pola pergerakan saat n juga masa menatang. 1.3 Lanasan Teor Aa beberapa alasan utama mengapa ata arus lalulntas sangat menark gunakan sebaga ata utama alam proses penaksran MAT yatu (Tamn, 2000): a. Murah : Jens ata sepert n murah karena hanya membutuhkan tenaga kerja yang sekt serta apat menggunakan penghtung lalulntas otomats. b. Keterseaan : Arus lalulntas basanya suah tersea karena serng gunakan untuk kajan transportas perkotaan atau antar kota. c. Tak Mengganggu : Data arus lalulntas bsa apat tanpa mengganggu arus lalulntas sehngga kemacetan ataupun tunaan serta gangguan lalulntas lan an bag pengguna jalan bsa hnar. Estmas MAT engan MTK, menganggap perlaku pemaka jalan apat wakl engan suatu moel kebutuhan transportas tertentu sepert moel Gravty (GR) atau moel Gravty-Opportunty (GO), alam kasus n menggunakan moel Gravty (GR). Arus lalulntas nyatakan sebaga fungs MAT yang nyatakan sebaga fungs suatu moel kebutuhan transportas engan parameternya. Tamn (2000) mengungkapkan, jka Wwt Tr Rahayu Pengaruh Jumlah Data... 68

3 terapat sejumlah pergerakan antarzona alam suatu aerah kajan an asumskan bahwa pergerakan antarzona alam aerah tersebut apat wakl oleh suatu moel kebutuhan transportas, maka total pergerakan T engan zona asal an zona tujuan ta apat nyatakan sebaga : T = O. D. A. B. f [1] D mana : T = total pergerakan ar zona asal ke zona tujuan O D A B = jumlah pergerakan yang berasal ar zona an yang berakhr zona = faktor penyembang yang apat nyatakan engan: A = 1 ( B. D. f ) B = 1 ( A. O. f ) D mana : f k = fungs baya (fungs eksponensal negatf exp( β.c k )) [2] Proses pengkalbrasan moel merupakan unsur kunc pemecahan masalah alam proses estmas MAT engan ata arus lalu lntas. Moel n bertujuan untuk mengkalbras moel ar ata arus lalu lntas yatu untuk memperoleh besaran parameter yang akan gunakan untuk mengestmas MAT. Jumlah ruas jalan yang butuhkan sekurang-kurangnya sama engan jumlah parameter moel yang tak ketahu. Tamn (1988) mengembangkan ua kelompok utama metoe estmas yang apat gunakan untuk mengkalbras parameter moel transportas yang usulkan ar ata arus lalulntas, yatu metoe estmas Kuarat-Terkecl (KT) an metoe estmas Kemungknan-Maksmum (KM). Ie utama balk keua metoe estmas tu aalah mencoba mengkalbras parameter yang tak ketahu, yang memnmumkan perbeaan antara arus lalulntas hasl pemoelan an hasl pengamatan. Hal n bsa apat engan menggunakan ukuran kemrpan antara arus lalu lntas hasl pemoelan an hasl pengamatan, msalnya formula kuarat-terkecl atau kemungknan-maksmum (Tamn, 2000). 2. METODE PENELITIAN Pengkajan efektvtas an efesens paa faktor jumlah ata an lokas traffc count terhaap estmas MAT berasarkan ata arus lalu lntas yang kumpulkan ar berbaga nstans terkat, an estmas engan menggunakan penaksran moel gravty yang kombnas engan multnomal logt. Metoe estmas MAT yang gunakan yatu kuarat terkecl, engan stu estmas melput 25 zona pergerakan serta hanya mempertmbangkan ruas jalan arter an kolektor sebaga lokas ata arus lalu lntas. MAT awal atau Pror Matrx yang gunakan yatu MAT Kota Banar Lampung 2006 engan 25 zona. Program aplkas yang gunakan alam peneltan n berupa suatu software yang professonal alam meramalkan sebuah perjalanan, yatu EMME Estmas MAT engan Skenaro Jumlah Data an Lokas Langkah-langkah penyusunan skenaro paa peneltan n secara seerhana yatu sebaga berkut : a. Langkah awal ar penyusunan skenaro yatu engan menyusun ata traffc count yang aa secara berurut ar nla terbesar hngga terkecl engan kut ata bus Damr sesua engan ruas jalan yang termasuk ke alam rute bus. Wwt Tr Rahayu Pengaruh Jumlah Data... 69

4 b. Penyeleksan awal lakukan terhaap ruas-ruas jalan yang tak lalu oleh jalur rute bus Damr, ahulu ar ruas jalan yang memlk nla traffc count terenah secara berurutan. c. Setelah ruas-ruas jalan yang tak lalu oleh jalur rute bus Damr telah terseleks secara keseluruhan, maka selanjutnya penyeleksan lakukan mula ar jalan yang memlk nla traffc count terenah secara berurutan.. Setap penyeleksan paa masng-masng skenaro lakukan engan mengurang 2 (ua) jumlah ata masukan traffc count. e. Skenaro tersebut masng-masng proses engan menggunakan aplkas program EMME/2, sehngga masng-masng skenaro apat memberkan tngkat keakuratan estmas MAT paa setap skenaro terhaap MAT pembanng. Selan menentukan lokas traffc count yang terbak, stu paa peneltan n juga menganalss untuk apat menemukan jumlah ata arus lalu lntas yang optmum. Analss n akan menemukan hubungan antara jumlah ata arus lalu lntas yang gunakan alam estmas MAT engan tngkat akuras MAT yang haslkan. Analss penentuan jumlah ata arus lalu lntas optmum n akan menggunakan metoe I ar Ru Sugono Suyono (2000). Estmas MAT engan beberapa skenaro n selanjutnya ber juga pembebanan, juga engan menggunakan metoe all or nothng an equlbrum. Pembebanan n menghaslkan traffc count yang selanjutnya analss. Selan tu, estmas MAT engan beberapa skenaro n akan banngkan engan MAT pror (MAT Kota Banar Lampung, 2006) ar ata sekuner, engan menggunakan uj statstk koefsen etermnas R-square. 2.2 Analss Pengaruh Jumlah Data Optmum an Lokas TC Yang Tepat Setelah estmas MAT engan beberapa skenaro ber pembebanan, an menghaslkan traffc count estmas yang akan banngkan engan traffc count ar ata sekuner. Perbanngan kesesuaan traffc count estmas engan traffc count sekuner, serta perbanngan antara MAT moel an MAT pembanng atau Matrx Pror (MAT 100%) engan menggunakan uj statstk koefsen etermnas R 2 sepert yang telah jelaskan sebelumnya. Uj n bertujuan untuk apat menganalss an mengetahu pengaruh jumlah ata arus lalu lntas yang selanjutnya apat menentukan jumlah ata optmum, terhaap perubahan tngkat akuras MAT. 3. HASIL DAN PEMBAHASAN 3.1 Hasl Estmas MAT Moel (100%) Data-ata sekuner yang kumpulkan, analss ataupun bangun merupakan ata masukan yang butuhkan untuk apat membangun suatu estmas Matrks Asal Tujuan (MAT) untuk lngkup wlayah Kota Banar Lampung berasarkan ata arus lalu lntas. Moel sebaran pergerakan yang gunakan aalah gravty, metoe estmas yang gunakan aalah kuarat terkecl serta kalbras parameternya menggunakan metoe Newton-Raphson an metoe elmnas Gauss Jouran. Makro yang gunakan alam peneltan n merupakan makro yang telah gunakan alam peneltan terahulu (Sulstyorn, 2010) untuk lngkup wlayah Kota Banung. Pertmbangan penggunaan makro n yatu ar ss kemuahan an telah buktkan keabsahannya ar ss penggunaan. Sebelum melakukan runnng untuk apat memperoleh estmas MAT moel, tak hanya butuhkan ata-ata masukan yang merupakan nput awal untuk menjalankan program Wwt Tr Rahayu Pengaruh Jumlah Data... 70

5 EMME/2, namun selanjutnya juga butuhkan suatu kons konvergen untuk nla β an γ. Konvergens nla β an γ n sangat bergantung paa pemberan nka masukan awal β an γ. Nla awal 0,26 untuk β an -1,22 untuk γ menghaslkan kons konvergen peroleh setelah teras ke 31 engan nla 0, untuk β an -1,12278 untuk γ. Penggunaan program EMME2 engan ata-ata sepert yang telah jelaskan sebelumnya menghaslkan estmas MAT, selanjutnya MAT tersebut ber pembebanan (assgnment) secara equlbrum menghaslkan volume arus kenaraan (volau) segala ruas. Hasl estmas matrks bebankan ke jarngan jalan, sehngga menghaslkan arus lalu lntas angkutan prba paa setap lnk. Kemuan arus tersebut banng engan arus angkutan prba hasl pengamatan, nla Koefsan Stanar yang haslkan ar pengujan moel secara statstk aalah sebesar R 2 = 0, Dar hasl tersebut menggambarkan bahwa hasl arus moel apat menggambarkan arus sebenarnya sebesar 31,142 %. Kegunaan ar MAT moel atau MAT 100% n yatu sebaga MAT pembanng, untuk apat mengetahu pengaruh ar jumlah ata an lokas traffc count terhaap MAT tersebut, sesua engan nt permasalahan ar peneltan n. Mesk tergolong renah (<0,5), nla tersebut cukup memuaskan, terutama karena engan ata masukan volume lalu lntas angkutan prba paa peneltan n sebesar 42 ata arus lalu lntas, apat gunakan untuk menapatkan 128 ata arus ar total jalan yang aa. Hasl uj statstk menggunakan program EMME2 Nla R-square MAT yang tergolong renah (< 0,5) antara lan sebabkan banyaknya asums yang gunakan alam analss, lngkup jarngan jalan hanya kolektor an arter, ata angkutan umum sebaga ata masukan hanya berupa ata Bus Damr saja, fungs hambatan yang perhtungkan hanya faktor waktu, serta nla masukan awal alam kalbras penentuan nla parameter β an γ. Selan tu, ata masukan bangktan paa analss menggunakan persamaan-persamaan ar ata sekuner, seangkan ata masukan tarkan merupakan propors ar ata masukan bangktan. Nla β merupakan baya perjalanan rata-rata wlayah stu, seangkan nla γ merupakan representas ar moel pemlhan moa. Fungs C merupakan ukuran aksesbltas (kemuahan) antara zona engan zona atau fungs hambatan. Fungs hambatan alam suatu pemoelan trasnportas mempertmbangkan generalze cost, bak ar seg waktu, baya an jarak, namun fungs hambatan yang gunakan aa peneltan n hanya sebatas paa waktu perjalanan. Membangun suatu MAT, paa awal asarnya yatu mencar parameter yang tak ketahu berupa β an γ, sehngga proses estmas MAT apat lanjutkan. Paa peneltan n, terapat kemungknan bahwa alam proses kalbras nla β an γ belum mencapa konvergen secara menyeluruh an mash beraa alam kons local optmum atau belum mencapa global optmum. Hal n terkat engan salah satu kelemahan metoe newton raphson alam proses mencar nla parameter tersebut, mana nla awal parameter yang car engan cara tral eror atau coba-coba. 3.2 Penyusunan Skenaro Jumlah an Lokas Traffc Count Penentuan jumlah ata arus lalu lntas maksmum apat haslkan engan mengetahu hubungan pengaruh antara jumlah ata arus lalu lntas sebaga ata masukan alam proses estmas MAT terhaap tngkat akuras MAT yang haslkan yang nyatakan alam bentuk R-square. Analss engan membanngkan volume arus kenaraan hasl pembebanan (volau) terhaap volume arus kenaraan ata sekuner sebaga ata masukan (ul2) untuk setap skenaro, serta membanngkan MAT paa setap skenaro terhaap MAT pembanng (MAT 100%) menggunakan uj statstk harapkan apat memberkan gambaran perubahan nla R-square akbat perubahan jumlah ata arus lalu lalu lntas. Selanjutnya apat ketahu jumlah ata arus lalu lntas maksmum yang Wwt Tr Rahayu Pengaruh Jumlah Data... 71

6 butuhkan untuk memperoleh tngkat keakuratan MAT skenaro yang menekat tngkat keakuratan MAT 100%. Tujuan analss penentuan jumlah arus lalu lntas maksmum n untuk apat menngkatkan efesens alam pelaksanaan survey traffc count yang akan atang, namun tetap apat menghaslkan estmas MAT yang optmal. Banyaknya jumlah skenaro yang susun akan berpengaruh paa etal kerapatan gambaran perlaku pengaruh jumlah ata traffc count terhaap nla R-square paa uj statstk. Data masukan arus lalu lntas yang terlalu sekt apat menghaslkan error, sehngga untuk mempermuah alam analss, maka paa peneltan susun 13 skenaro. Paa asarnya penyusunan skenaro n, yatu engan mengurang ata masukan untuk traffc count alam mengestmas MAT. Pengurangan jumlah ata n hanya berupa pengurangan ata arus paa ttk ruas jalan tanpa mempertmbangkan lamanya surve an kelas ruas jalan tersebut. Hal n lakukan untuk apat mengetahu ata masukan traffc count yang efsen an efektf, namun tetap apat menghaslkan estmas MAT yang menekat hasl estmas MAT engan ata traffc count 100%. 3.3 Analss Statstk Pengaruh Jumlah Data an Lokas Traffc Count Uj Statstk Arus (Volume Estmas Terhaap Volume Pengamatan) R-square uj statstk arus hasl pembebanan (volau) terhaap ata arus traffc count yang gunakan sebaga ata masukan (ul2) sebesar 0, atau 31,14% untuk MAT moel (100%). Melalu proses yang sama untuk ke-13 skenaro juga menghaslkan estmas MAT untuk masng-masng skenaro, an juga lakukan uj statstk arus hasl pembebanan (volau) terhaap ata arus traffc count yang gunakan sebaga ata masukan (ul2). Hasl R-square uj statstk level arus tersebut untuk setap skenaro secara keseluruhan apat lhat paa Tabel 1. Tabel 1. Hasl Uj Statstk Arus Hasl Pembebanan (Volau) Terhaap Data Arus Sebaga Data Masukan (ul2) No. Skenaro Jumlah Data Arus Lalu lntas R-square 1 MAT moel (100%) 42 0, Skenaro , Skenaro , Skenaro , Skenaro , Skenaro , Skenaro , Skenaro , Skenaro , Skenaro , Skenaro , Skenaro , Skenaro , Skenaro ,1374 Sumber : Hasl Analss, 2011 Paa Tabel 1 tersebut apat lhat perbanngan hasl R-square untuk uj statstk arus hasl pembebanan (volau) terhaap ata arus traffc count yang gunakan sebaga ata masukan (ul2) tap skenaro. Hasl yang peroleh ar berbaga skenaro tersebut sangat Wwt Tr Rahayu Pengaruh Jumlah Data... 72

7 beragam, mesk secara logka semakn banyak ata yang gunakan sebaga ata masukan akan semakn bak, namun hal yang menark terlhat bahwa tren tersebut tak selalu bersfat monoton secara lner. Hubungan yang terlhat antara jumlah ata an arus lalu lntas optmum yang haslkan engan apat lhat paa Gambar R-S quare y = x R 2 = Jumlah Data Arus Gambar 1. Hubungan Jumlah Data Arus Lalu Lntas Terhaap Nla R-Square Uj Statstk Level Arus Tren menurun paa grafk R-square yang tak terlhat secara menerus juga apat sebabkan paa setap skenaro penyeleksan hanya berupa 2 (ua) ata arus traffc count saja. Meskpun emkan, berasarkan nla R 2 ar trenlne secara lner sebesar 0,9517 apat lhat bahwa jumlah ata memlk pengaruh yang sangat besar alam penurunan nla R-square untuk level arus hasl pembebanan (volau) terhaap arus ar ata masukan (ul2). Berasarkan grafk tersebut juga, apat lhat bahwa ttk mana skenaro engan jumlah arus maksmum apat jalankan untuk apat menghaslkan MAT yang tak jauh berbea terapat paa skenaro 5 engan nla R-square sebesar 0,2655. Skenaro 5 sesua engan penyusunan skenaro paa Tabel 21 terr atas 32 jumlah arus lalu lntas atau 20 ruas jalan atau sebesar 31,74% ar total ruas jalan kolektor an jalan arter wlayah stu. Ruas jalan yang menja bagan ar skenaro tersebut umumnya memlk arus kenaraan yang cukup besar, sepert paa ruas Jalan R.A Kartn, Jalan A.Yan, ataupun Jalan Raen Intan. Berasarkan grafk, setelah skenaro 5 nla R-square terus menurun secara rasts, mesk terja sekt bernla nak turun beberapa skenaro namun nla R-square terkecl tetap beraa skenaro terakhr, yatu skenaro 13 (R 2 = 0,137477) Uj Statstk Terhaap MAT Moel Skenaro-skenaro yang telah susun, mesk engan ata traffc count yang lebh sekt banngkan engan MAT moel (100%) namun juga tetap apat menghaslkan MAT engan jumlah zona yang sama. Perbanngan MAT moel (100%) engan MAT yang estmas ar beberapa skenaro yang telah susun, menghaslkan MAT yang tak jauh berbea banngkan MAT moel. Perbanngan yang lakukan menggunakan uj statstk engan koefsen etermnas sepert yang telah jelaskan paa bab sebelumnya. Uj statstk tersebut menghaslkan R- square atas 0,99 untuk seluruh skenaro, sepert yang terlhat Tabel 2 bawah n. Wwt Tr Rahayu Pengaruh Jumlah Data... 73

8 Tabel 2. Hasl Uj Statstk Estmas MAT Skenaro Terhaap MAT moel (100%) No. Skenaro R-square 1 MAT moel (100%) 1 2 Skenaro Skenaro Skenaro Skenaro Skenaro Skenaro 6 0, Skenaro Skenaro Skenaro 9 0, Skenaro 10 0, Skenaro 11 0, Skenaro 12 0, Skenaro 13 0,9921 Sumber : Hasl Analss, 2011 Secara keseluruhan nla uj statstk berupa R-square yang bernla hampr sama yatu atas 0,99. Nla R-square terkecl yatu paa skenaro 13. Uj tersebut memperlhatkan bahwa jumlah ata an lokas traffc count tak memberkan pengaruh perbeaan yang besar terhaap MAT bla banngkan engan MAT moel (100%). Hal n apat terja karena penyeleksan jumlah ata setap skenaro hanya terr ar 2 traffc count, an penyusunan skenaro hanya terr ar 13 skenaro sehngga kurang memberkan hasl yang sgnfkan. Hasl uj statstk paa Tabel 2 atas selanjutnya tuangkan ke alam grafk untuk apat memperlhatkan hubungan pengaruh jumlah ata an lokas traffc count terhaap MAT moel (100%), yang apat lhat paa Gambar 2 bawah n. R-sq uare Jumlah Data Gambar 2. Grafk Perbanngan MAT Tap Skenaro Terhaap MAT Moel (100%) Gambar atas memperlhatkan perbanngan MAT untuk 13 skenaro terhaap MAT moel (100%). Secara keseluruhan, lhat ar grafk trenlne cenerung monoton Wwt Tr Rahayu Pengaruh Jumlah Data... 74

9 sampa engan skenaro 5, secara keseluruhan menurun sampa engan skenaro 13, mesk secara nla keseluruhan rata-rata atas 0,999. Apabla lhat berasarkan uj statstk estmas MAT terhaap MAT moel (100%), maka jumlah optmum ata arus lalu lntas yang mampu menghaslkan keakurasan R 2 sebesar 0,999 terhaap estmas MAT moel (100%) aalah sebanyak 18 jumlah ata arus lalu lntas (11 ruas jalan) atau sebesar 17,46% ar total ruas jalan arter an kolektor ar wlayah stu. Namun, karena analss n berasarkan perbanngan terhaap etmas MAT moel, jumlah ata optmum efsen berasarkan analss uj statstk level arus lebh rekomenaskan. 4. SIMPULAN Berasarkan analss pengaruh jumlah ata an lokas traffc count terhaap estmas Matrks Asal Tujuan (MAT) Kota Banar Lampung berasarkan arus lalu lntas, menghaslkan beberapa kesmpulan yatu sebaga berkut : 1. Estmas MAT berasarkan ata arus lalu lntas moel gravty, engan 42 ata arus lalu lntas menghaslkan MAT Kota Banar Lampung engan nla R-square sebesar 0,3114 terhaap MAT pror. R-square MAT yang tergolong renah bawah 0,5 sebabkan banyaknya asums yang gunakan alam analss, lngkup jarngan jalan hanya kolektor an arter, serta ata angkutan umum hanya berupa ata Bus Damr saja. Selan tu, ata masukan bangktan paa analss menggunakan persamaanpersamaan ar ata sekuner, seangkan ata masukan tarkan merupakan propors ar ata masukan bangktan. 2. Nla R-square hasl uj arus hasl pembebanan (volau) terhaap arus ar ata masukan (ul2) untuk ke-13 skenaro menunjukkan tren menurun. Hal n menunjukkan, bahwa semakn banyak jumlah ata arus lalu lntas yang peroleh an gunakan alam proses estmas MAT, akan semakn bak an semakn menngkatkan akuras MAT yang peroleh, namun tentu saja membutuhkan sumber aya yang cukup besar an mahal serta memerlukan waktu yang tak sekt an belum tentu efsen. 3. Berasarkan hasl peneltan jumlah ata arus lalu lntas optmum yang butuhkan aalah sebanyak 32 ata traffc count (skenaro 5). Ruas-ruas jalan yang apat rekomenaskan menja ata masukan traffc count untuk estmas MAT Kota Banar Lampung yang lebh efektf an efsen berasarkan hasl stu yatu : a. Ruas jalan engan jumlah pergerakan kenaraan yang besar b. Ruas jalan yang memlk propors yang besar terhaap pergerakan lalu lntas antar zona c. Ruas jalan yang tak hanya apat lalu angkutan prba, namun juga lalu angkutan umum. 4. Proses penyeleksan alam penyusunan skenaro sangat berpengaruh untuk apat memberkan gambaran pengaruh jumlah ata an lokas traffc count terhaap estmas MAT. Penyeleksan yang tak mempertmbangkan kons ketergantungan (nepeence), kons ketakkonsstenan (nconsstency), an propors pergerakan menyebabkan pengaruh jumlah ata an lokas traffc count terhaap estmas MAT belum terlhat secara sgnfkan. DAFTAR PUSTAKA Suyono, R. S., Tamn, O.Z., Llan, Tt Stu Penentuan Lokas Traffc Count Terbak Dan Jumlah Data Arus Lalulntas Optmum Dalam Estmas Matrks Asal- Tujuan (MAT). Makalah. Insttut Teknolog Banung (TB). Banung. Sulstyorn, R., Tamn, O.Z., Sjafrun, Ae Pengembangan Moel Kombnas Gravty, Multnomal Logt Dan Equlbrum Assgnment. Smposum XII FSTPT. Unverstas Krsten Petra.. Surabaya. Wwt Tr Rahayu Pengaruh Jumlah Data... 75

10 Sulstyorn, Rahayu Estmas Parameter Moel Kombnas Sebaran Pergerakan an Pemlhan Moa alam Kons Pembebanan Kesembangan. Dsertas Doktor. Insttut Teknolog Banung (ITB). Banung. Tamn, O.Z Perencanaan an Pemoelan Transportas, Es 2. Penerbt ITB, Banung. Wjaya, Y.P an Setabu, R.H Pemoelan Pemlhan Moa Untuk Perjalanan Kerja Menggunakan Kenaraam Prba an Kenaraan Umum Surabaya. Skrps. Unverstas Krsten Petra. Surabaya EMME2 User s manual Software Release 8. INRO Consultants Inc., Montreal, Canaa. Wwt Tr Rahayu Pengaruh Jumlah Data... 76

V. DISTRIBUSI PERJALANAN

V. DISTRIBUSI PERJALANAN V. DISTRIBUSI PERJALANAN 5.. PENDAHULUAN Trp strbuton aalah suatu tahapan yang menstrbuskan berapa jumlah pergerakan yang menuju an berasal ar suatu zona. Paa tahapan n yang perhtungkan aalah :. Sstem

Lebih terperinci

STUDI DEMAND PENUMPANG TRANSPORTASI UDARA MENUJU DAN KELUAR KABUPATEN FAKFAK ABSTRAK

STUDI DEMAND PENUMPANG TRANSPORTASI UDARA MENUJU DAN KELUAR KABUPATEN FAKFAK ABSTRAK STUDI DEMAND PENUMPANG TRANSPORTASI UDARA MENUJU DAN KELUAR KABUPATEN FAKFAK Wjayanto Mahasswa Magster Bang Keahlan Manajemen Dan Rekayasa Transportas Fakultas Teknk Spl an Perencanaan Insttut Teknolog

Lebih terperinci

PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES

PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES Prosng Semnar Nasonal Matematka an Penkan Matematka (SESIOMADIKA) 017 ISBN: 978-60-60550-1-9 Statstka, hal. 14-18 PENENTUAN UKURAN SAMPEL UNTUK SURVEY PILKADA MENGGUNAKAN PENDEKATAN BAYES NENENG SUNENGSIH

Lebih terperinci

BAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan

BAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan BAB III MODEL LINEAR TERGENERALISASI 3.1 Moel Lnear Perkembangan pemoelan stokastk, terutama moel lner, apat katakan mula paa aba ke 19 yang asar oleh teor matematka yang elaskan antaranya oleh Gauss,

Lebih terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI 65 BAB IMPLEMENTASI DAN EVALUASI. Penyaan Data Hasl Peneltan Data-ata hasl peneltan yang gunakan alam pengolahan ata aalah sebaga berkut: a. ata waktu kera karyawan b. ata umlah permntaan konsumen c. ata

Lebih terperinci

BAB 1 RANGKAIAN TRANSIENT

BAB 1 RANGKAIAN TRANSIENT BAB ANGKAIAN TANSIENT. Penahuluan Paa pembahasan rangkaan lstrk, arus maupun tegangan yang bahas aalah untuk kons steay state/mantap. Akan tetap sebenarnya sebelum rangkaan mencapa keaaan steay state,

Lebih terperinci

APLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI

APLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI Soft Computng, Intellgent Systems an Informaton Technology 2005 UK Petra Surabaya, 28 Jul 2005 APLIKASI FUZZY LINEAR PROGRAMMING (FLP) UNTUK OPTIMASI HASIL PERENCANAAN PRODUKSI Basuk Rahmat, Panca Raharanto,

Lebih terperinci

STUDI PEMODELAN SEBARAN PERGERAKAN BARANG POKOK DAN STRATEGIS INTERNAL REGIONAL (Studi Kasus Provinsi Jawa Tengah) Juang Akbardin ABSTRAK

STUDI PEMODELAN SEBARAN PERGERAKAN BARANG POKOK DAN STRATEGIS INTERNAL REGIONAL (Studi Kasus Provinsi Jawa Tengah) Juang Akbardin ABSTRAK STUDI PEMODELAN SEBARAN PERGERAKAN BARANG POKOK DAN STRATEGIS INTERNAL REGIONAL (Stu Kasus Provns Jawa Tengah) Juang Akbarn Teknk Spl - Unverstas Penkan Inonesa, Banung akbaren@yahoo.co. ABSTRAK Penngkatan

Lebih terperinci

SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS

SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS SEGMENTASI CITRA MEDIS DENGAN ALGORITMA DETEKSI TEPI KONTUR BERBASIS PELACAKAN TARGET SECARA DINAMIS Puruhto Bagus Prakosa, Agus Zanal Arfn, Anny Yunart 3 Teknk Informatka, Fakultas Teknolog Informas,

Lebih terperinci

STUDI PENENTUAN LOKASI TERBAIK DAN JUMLAH OPTIMUM DATA ARUS LALULINTAS DALAM ESTIMASI MATRIKS ASAL-TUJUAN (MAT) 1

STUDI PENENTUAN LOKASI TERBAIK DAN JUMLAH OPTIMUM DATA ARUS LALULINTAS DALAM ESTIMASI MATRIKS ASAL-TUJUAN (MAT) 1 STUDI PENENTUAN LOKASI TERBAIK DAN JUMLAH OPTIMUM DATA ARUS LALULINTAS DALAM ESTIMASI MATRIKS ASAL-TUJUAN (MAT) 1 Ofyar Z. Tamn 2, Tt L. Soerjo 3, an Ru S. Suyono 4 Jurusan Teknk Sp ITB, Jaan Ganesha 10,

Lebih terperinci

ISSN X. Yogyakarta Oktober Hlm J. Tek. Sip. Vol. 12 No. 1. Volume 12 Nomor 1, Oktober 2012 ISSN X

ISSN X. Yogyakarta Oktober Hlm J. Tek. Sip. Vol. 12 No. 1. Volume 12 Nomor 1, Oktober 2012 ISSN X Voume 12 Nomor 1, Oktober 2012 ISSN 1411-660X Atya Kurna, Haryanto Yoso Wgroho Steany R.R Pattseanno, Nanse H Pattasna Wufram I. Ervanto, Bemo W. Soemar, Muhama Abuh, an Surjamanto Charur Rozqn Yohannes

Lebih terperinci

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM

IV. PERANCANGAN DAN IMPLEMENTASI SISTEM IV. PERANCANGAN DAN IMPLEMENTASI SISTEM Perancangan Sstem Sstem yang akan dkembangkan adalah berupa sstem yang dapat membantu keputusan pemodal untuk menentukan portofolo saham yang dperdagangkan d Bursa

Lebih terperinci

2. TINJAUAN PUSTAKA. 18 Universitas Indonesia. Penggunaan non linier..., Arief Suwandi, FT UI, 2009

2. TINJAUAN PUSTAKA. 18 Universitas Indonesia. Penggunaan non linier..., Arief Suwandi, FT UI, 2009 2. TINJAUAN PUSTAKA 2.1 Goal Programmng Goal Programmng merupakan pengembangan ar Lnear Programmng. Dperkenalkan oleh Charnes an Cooper paa awal tahun 1960. Kemuan teknk n sempurnakan oleh Ijr paa pertengahan

Lebih terperinci

Bab 2. Tinjauan Pustaka

Bab 2. Tinjauan Pustaka Bab. Tnjauan Pustaka. Penekatan Perencanaan Transportas Tujuan asar perencanaan transportas aaah untuk memperkrakan jumah an okas kebutuhan transportas (jumah perjaanan) paa masa menatang (tahun rencana)

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan

Lebih terperinci

BAB 2 TINJAUAN KEPUSTAKAAN

BAB 2 TINJAUAN KEPUSTAKAAN BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud

Lebih terperinci

FORMULASI MODEL GRAVITY SEBAGAI MODEL PENYEBARAN PERJALANAN PENUMPANG PADA STUDI KASUS TRAYEK MIKROLET TERMINAL BRATANG - JMP SURABAYA.

FORMULASI MODEL GRAVITY SEBAGAI MODEL PENYEBARAN PERJALANAN PENUMPANG PADA STUDI KASUS TRAYEK MIKROLET TERMINAL BRATANG - JMP SURABAYA. Formulas Moel Gravty Penyebaran Perjalanan Penumpang FORMULASI MODEL GRAVITY SEBAGAI MODEL PENYEBARAN PERJALANAN PENUMPANG PADA STUDI KASUS TRAYEK MIKROLET TERMINAL BRATANG - JMP SURABAYA Sr Djunat ABSTRAK

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis

BAB 4 METODOLOGI PENELITIAN. data, dan teknik analisis data. Kerangka pemikiran hipotesis membahas hipotesis BAB 4 METODOLOGI PENELITIAN Pada bab n akan durakan kerangka pemkran hpotess, teknk pengumpulan data, dan teknk analss data. Kerangka pemkran hpotess membahas hpotess pengujan pada peneltan, teknk pengumpulan

Lebih terperinci

Kresnanto NC. Model Sebaran Pergerakan

Kresnanto NC. Model Sebaran Pergerakan Kresnano C Moel Sebaran Pergerakan Kresnano C Tujuan Uama: Mengeahu pola pergerakan alam ssem ransporas serng jelaskan alam benuk arus pergerakan (kenaraan, penumpang, an barang) yang bergerak ar zona

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

Perceptual Mapping Kabupaten dan Kota di Jawa Barat Berdasarkan Sub Lapangan Usaha

Perceptual Mapping Kabupaten dan Kota di Jawa Barat Berdasarkan Sub Lapangan Usaha SEMINAR SAISIKA FMIPA UNPAD 07 (SNS VI) Perceptual Mappng Kabupaten an Kota Jawa Barat Berasarkan Sub Lapangan Usaha t Purwanar, Yuyun Hayat Departemen Statstka Fakultas MIPA Unverstas Paaaran Departemen

Lebih terperinci

OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF PADA DAERAH BERSHADOWING

OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF PADA DAERAH BERSHADOWING /7 OTIMASI LINTAS LAISAN ADA SISTEM KOMUNIKASI KOOERATIF ADA DAERAH BERSHADOWING Achma Yusuf 05 00 074 Insttut Teknolog Sepuluh Nopember, Fakultas Teknolog Inustr, Jurusan Teknk Elektro Kampus ITS Sukollo,

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a

(1.1) maka matriks pembayaran tersebut dikatakan mempunyai titik pelana pada (r,s) dan elemen a Lecture 2: Pure Strategy A. Strategy Optmum Hal pokok yang sesungguhnya menad nt dar teor permanan adalah menentukan solus optmum bag kedua phak yang salng bersang tersebut yang bersesuaan dengan strateg

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

Dr. NINDYO CAHYO KRESNANTO. Blog.: nindyocahyokresnanto.wordpress.com .: -

Dr. NINDYO CAHYO KRESNANTO. Blog.: nindyocahyokresnanto.wordpress.com  .: - 1 Dr. NINDYO CAHYO KRESNANTO Blog.: nndyocahyokresnanto.wordpress.com Emal.: nndyo_ck@yahoo.co.d - nndyo_ck@staff.janabadra.ac.d 2 Nndyo Cahyo Kresnanto FT Unverstas Janabadra YK 3 Model adalah merupakan

Lebih terperinci

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani    / KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

BAB II TEORI ALIRAN DAYA

BAB II TEORI ALIRAN DAYA BAB II TEORI ALIRAN DAYA 2.1 UMUM Perhtungan alran daya merupakan suatu alat bantu yang sangat pentng untuk mengetahu konds operas sstem. Perhtungan alran daya pada tegangan, arus dan faktor daya d berbaga

Lebih terperinci

BAB IV PERHITUNGAN DAN ANALISIS

BAB IV PERHITUNGAN DAN ANALISIS BAB IV PERHITUNGAN DAN ANALISIS 4.1 Survey Parameter Survey parameter n dlakukan dengan mengubah satu jens parameter dengan membuat parameter lannya tetap. Pengamatan terhadap berbaga nla untuk satu parameter

Lebih terperinci

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada

BAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka

Lebih terperinci

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.. KERANGKA ANALISIS Kerangka analss merupakan urutan dar tahapan pekerjaan sebaga acuan untuk mendapatkan hasl yang dharapkan sesua tujuan akhr dar kajan n, berkut kerangka

Lebih terperinci

PROPOSAL SKRIPSI JUDUL:

PROPOSAL SKRIPSI JUDUL: PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan

Lebih terperinci

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)

PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia) PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas

Lebih terperinci

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

BAB IV TRIP GENERATION

BAB IV TRIP GENERATION BAB IV TRIP GENERATION 4.1 PENDAHULUAN Trp Generaton td : 1. Trp Producton 2. Trp Attracton j Generator Attractor - Setap tempat mempunya fktor untuk membangktkan dan menark pergerakan - Bangktan, Tarkan

Lebih terperinci

BAB 2 KAJIAN PUSTAKA

BAB 2 KAJIAN PUSTAKA BAB 2 KAJIAN PUSTAKA 2.1 Negosas Negosas dapat dkategorkan dengan banyak cara, yatu berdasarkan sesuatu yang dnegosaskan, karakter dar orang yang melakukan negosas, protokol negosas, karakterstk dar nformas,

Lebih terperinci

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman

P n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran

Lebih terperinci

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING

PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Meda Informatka, Vol. 2, No. 2, Desember 2004, 57-64 ISSN: 0854-4743 PENENTUAN LOKASI PEMANCAR TELEVISI MENGGUNAKAN FUZZY MULTI CRITERIA DECISION MAKING Sr Kusumadew Jurusan Teknk Informatka, Fakultas

Lebih terperinci

METODOLOGI PENELITIAN. Suatu analisis dalam penelitian membutuhkan suatu tahapan perencanaan

METODOLOGI PENELITIAN. Suatu analisis dalam penelitian membutuhkan suatu tahapan perencanaan III. METODOLOGI PENELITIAN A. Umum Suatu analisis dalam penelitian membutuhkan suatu tahapan perencanaan yang disusun dalam metodologi. Hal ini dilakukan agar penelitian berjalan sesuai dengan rencana

Lebih terperinci

EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK

EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK Prosdng SPMIPA. pp. 147-15. 006 ISBN : 979.704.47.0 EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK Rta Rahmawat, I Made Sumertajaya Program Stud Statstka Jurusan Matematka FMIPA

Lebih terperinci

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER

BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN : JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang

Lebih terperinci

Pemilihan Lokasi Kontinyu (1)

Pemilihan Lokasi Kontinyu (1) Pemlhan Lokas Kontnu 1 - Model Dasar - 6 Oleh : Debrna Puspta Andran Teknk Industr, Unverstas Brawjaa e-mal : debrna@ub.ac.d www.debrna.lecture.ub.ac.d Medan method Gravt method Contour-Lne method Weszfeld

Lebih terperinci

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c

BAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c 6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan

Lebih terperinci

Kritikan Terhadap Varians Sebagai Alat Ukur

Kritikan Terhadap Varians Sebagai Alat Ukur Krtkan Terhadap Varans Sebaga Alat Ukur Varans mengukur penympangan pengembalan aktva d sektar nla yang dharapkan, maka varans mempertmbangkan juga pengembalan d atas atau d bawah nla pengembalan yang

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN

MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN MANAJEMEN LOGISTIK & SUPPLY CHAIN MANAGEMENT KULIAH 3: MERANCANG JARINGAN SUPPLY CHAIN By: Rn Halla Nasuton, ST, MT MERANCANG JARINGAN SC Perancangan jarngan SC merupakan satu kegatan pentng yang harus

Lebih terperinci

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS

BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 28 BAB 4 METODOLOGI PENELITIAN DAN ANALISIS 4.1 Kerangka Pemkran dan Hpotess Dalam proses peneltan n, akan duj beberapa varabel software yang telah dsebutkan pada bab sebelumnya. Sesua dengan tahapan-tahapan

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan

BAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat

Lebih terperinci

Model Regresi Logistik Biner Stratifikasi Pada Partisipasi Ekonomi Perempuan Di Provinsi Jawa Timur

Model Regresi Logistik Biner Stratifikasi Pada Partisipasi Ekonomi Perempuan Di Provinsi Jawa Timur Moel Regres Logstk Bner Stratfkas Paa Partsas Ekonom Peremuan D Provns Jawa Tmur Munah Kusnul Kotmah an Sr Pngt Wulanar Jurusan Statstka, Fakultas Matematka an Ilmu Pengetahuan Alam, Insttut Teknolog Seuluh

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian BAB III METODE PENELITIAN 3.1 Lokas Peneltan Peneltan dlaksanakan d Desa Sempalwadak, Kecamatan Bululawang, Kabupaten Malang pada bulan Februar hngga Me 2017. Pemlhan lokas peneltan dlakukan secara purposve

Lebih terperinci

MEMERINGKAT SUBJEK MENGGUNAKAN

MEMERINGKAT SUBJEK MENGGUNAKAN MEMERINGKAT SUBJEK MENGGUNAKAN PERBANINGAN BERPASANGAN Sutarman an Open arnus Staf Pengaar Jurusan Matematka Fakultas Matematka an Ilmu Pengetahuan Alam, Unverstas Sumatera Utara Mean Abstrak: Artkel n

Lebih terperinci

METODE PENELITIAN. Penentuan lokasi dilakukan secara tertuju (purposive) karena sungai ini termasuk

METODE PENELITIAN. Penentuan lokasi dilakukan secara tertuju (purposive) karena sungai ini termasuk IV. METODE PENELITIAN 4.1. Tempat dan Waktu Peneltan Peneltan n dlakukan d Sunga Sak, Kota Pekanbaru, Provns Rau. Penentuan lokas dlakukan secara tertuju (purposve) karena sunga n termasuk dalam 13 sunga

Lebih terperinci

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bntaro Sektor 7, Bntaro Jaya Tangerang Selatan 15224 PENDAHULUAN Bangktan perjalanan (Trp generaton model ) adalah suatu tahapan

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang 11 Bab 1 PENDAHULUAN 1.1. Latar Belakang Perbankan adalah ndustr yang syarat dengan rsko. Mula dar pengumpulan dana sebaga sumber labltas, hngga penyaluran dana pada aktva produktf. Berbaga kegatan jasa

Lebih terperinci

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika

BAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Dalam pembuatan tugas akhr n, penulsan mendapat referens dar pustaka serta lteratur lan yang berhubungan dengan pokok masalah yang penuls ajukan. Langkah-langkah yang akan

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan : Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan

Lebih terperinci

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

Didownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan

Lebih terperinci

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan 7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat

Lebih terperinci

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada

BAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada 3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada

Lebih terperinci

b) Sebaliknya : interaksi kalor antara sistem dan lingkungan yang harus berlangsung kuasistatik dan disertai kenaikan suhu,

b) Sebaliknya : interaksi kalor antara sistem dan lingkungan yang harus berlangsung kuasistatik dan disertai kenaikan suhu, I. KALOR DAN HKM KE-1 1.1 Kalor Dketahu ua sstem paa suhu berbea. Apabla kontakkan satu engan yang lan melalu nng atermk, ketahu bahwa suhu keua sstem akan berubah seemkan rupa sehngga akhrnya menja sama.

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model

BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan

Lebih terperinci

Model Regresi Logistik Biner Stratifikasi Pada Partisipasi Ekonomi Perempuan Di Provinsi Jawa Timur

Model Regresi Logistik Biner Stratifikasi Pada Partisipasi Ekonomi Perempuan Di Provinsi Jawa Timur JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4 337-35 (3-98 Prnt D- Moel Regres Logstk Bner Stratfkas Paa Partsas Ekonom Peremuan D Provns Jawa Tmur Munah Kusnul Kotmah an Sr Pngt Wulanar Jurusan Statstka,

Lebih terperinci

BAB IV METODE PENELITIAN. Penelitian mengenai Analisis Pengaruh Kupedes Terhadap Performance

BAB IV METODE PENELITIAN. Penelitian mengenai Analisis Pengaruh Kupedes Terhadap Performance BAB IV METODE PENELITIAN 4.1 Lokas dan Waktu Peneltan Peneltan mengena Analss Pengaruh Kupedes Terhadap Performance Busness Debtur dalam Sektor Perdagangan, Industr dan Pertanan dlaksanakan d Bank Rakyat

Lebih terperinci

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

Lebih terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk

Lebih terperinci

MODEL ESTIMASI BANGKITAN PERJALANAN DARI KAWASAN PERUMAHAN PANDAU PERMAI PEKANBARU DENGAN VARIABEL JUMLAH ANGGOTA KELUARGA DAN PENDAPATAN KELUARGA

MODEL ESTIMASI BANGKITAN PERJALANAN DARI KAWASAN PERUMAHAN PANDAU PERMAI PEKANBARU DENGAN VARIABEL JUMLAH ANGGOTA KELUARGA DAN PENDAPATAN KELUARGA Model Estmas Bangktan Perjalanan MODEL ESTIMASI BANGKITAN PERJALANAN DARI KAWASAN PERUMAHAN PANDAU PERMAI PEKANBARU DENGAN VARIABEL JUMLAH ANGGOTA KELUARGA DAN PENDAPATAN KELUARGA Wnayat 1, Fadrzal Lubs

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel 4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT

PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT PENGEMBANGAN MODEL PERSEDIAAN DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA BAHAN DAN FAKTOR INCREMENTAL DISCOUNT Har Prasetyo Jurusan Teknk Industr Unverstas Muhammadyah Surakarta Jl. A. Yan Tromol Pos Pabelan

Lebih terperinci

Analisis Regresi 2. Mendeteksi pencilan dan penanganannya

Analisis Regresi 2. Mendeteksi pencilan dan penanganannya Analss Regres Pokok Bahasan : Mendeteks penclan dan penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasswa dapat mendeteks adanya penclan pada regres lner berganda Penclan Penclan adalah pengamatan yang

Lebih terperinci

4 PRAKIRAAN SUHU MAKSIMUM DAN MINIMUM

4 PRAKIRAAN SUHU MAKSIMUM DAN MINIMUM 4 PRAKIRAAN SUHU MAKSIMUM DAN MINIMUM Pendahuluan Parameter cuaca suhu maksmum dan mnmum merupakan parameter utama yang dprakrakan oleh lembaga pelayanan cuaca dantaranya BMKG. Suhu maksmum adalah suhu

Lebih terperinci

Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB

Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software

Lebih terperinci

2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996).

2 TINJAUAN PUSTAKA. sistem statis dan sistem fuzzy. Penelitian sejenis juga dilakukan oleh Aziz (1996). 2 TINJAUAN PUSTAKA 2.1 Stud Yang Terkat Peneltan n mengacu pada jurnal yang dtuls oleh Khang, dkk.(1995). Dalam peneltannya, Khang, dkk membandngkan arus lalu lntas yang datur menggunakan sstem stats dan

Lebih terperinci

Analisis Regresi Linear Sederhana

Analisis Regresi Linear Sederhana Analss Regres Lnear Sederhana Al Muhson Pendahuluan Menggunakan metode statstk berdasarkan data yang lalu untuk mempredks konds yang akan datang Menggunakan pengalaman, pernyataan ahl dan surve untuk mempredks

Lebih terperinci

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal

Tinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal 157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan

Lebih terperinci

Penyelesaian Program Gol Menggunakan Metode Simplex Modifikasi dan Metode Dual Simpleks

Penyelesaian Program Gol Menggunakan Metode Simplex Modifikasi dan Metode Dual Simpleks Jurnal Sans Matematka an Statstka, Vol, No, Januar 07 ISSN 69-90 prnt/issn 07-099 onlne enyelesaan rogram Gol Menggunakan Metoe Smple Mofkas an Metoe Dual Smpleks Elfra Saftr, M D H Gamal, Habbs Saleh

Lebih terperinci