MULTIDIMENSI PADA DATA WAREHOUSE DENGAN MENGGUNAKAN RUMUS KOMBINASI

Ukuran: px
Mulai penontonan dengan halaman:

Download "MULTIDIMENSI PADA DATA WAREHOUSE DENGAN MENGGUNAKAN RUMUS KOMBINASI"

Transkripsi

1 MULTIDIMENSI PADA DATA WAREHOUSE DENGAN MENGGUNAKAN RUMUS KOMBINASI Spits Warars Harco Leslie Hedric Fakultas Tekologi Iformasi, Uiversitas Budi Luhur ABSTRACT Multidimesioal i data warehouse is a compulsio ad become the most importat for iformatio delivery, without multidimesioal data warehouse is icomplete. Multidimesioal give the able to aalyze busiess measuremet i may differet ways. Multidimesioal is also syoymous with olie aalytical processig (OLAP). Keywords: multidimesioal, data warehouse, OLAP 1. PENDAHULUAN Tabel Fakta terbetuk berdasarka hypercubes merupaka kumpula lebih dari 3 dimesi yag terbetuk dari aalisa dari sebuah lapora. ika haya 2 atau 3 dimesi maka tabel fakta terbetuk berdasarka cube. Dega peritah structured query laguage (sql) sederhaa yag megakses tabel fakta dihasilka sebuah tabel database temporary yag aka berilai makaya jika ditampilka dalam betuk grafik. Betuk grafik ii adalah gambara tampila data yag secara kasat mata aka lebih mudah utuk dipahami dalam meetuka suatu keputusa maajeme dibadigka dega tampila data yag bersifat agka. Beberapa peeliti megataka bahwa gambar mempuyai bayak maka dibadig agka, selai itu aka lebih mudah melihat suatu tre peurua atau keaika melalui gambar grafik dibadigka dega data agka. Asal Sekolah eis Kelami Asal URSMA umlah Mahasiswa Gambar 1. Hypercubes Program Studi ejag Gambar 3. Tabel Fakta Data1 da table dimesi PSEN, URSMA da SEKOLAH Sebagai cotoh perhatika tabel database fakta Tabel 1. Cotoh database fakta e PS ENIS jum p w p w p w p w p p w p w 17 dega memberika peritah sql seperti E N I S Gambar 2. Cubes ejag select ag,jej,jekel, sum(jum) as jumlah from dwmhs where ag= 2000 group by ag,jej,jekel; Maka hasil dari peritah sql diatas aka meampilka lapora seperti : 2000 eis S1 D3 Pria Waita

2 ika lapora tersebut ditampilka dalam betuk grafik aka berbetuk seperti S Pria Waita Gambar 3. Betuk grafik dari lapora hasil peritah sql 2. SLICE DAN DICE Kemampua multidimesi hypercubes atau cube dalam memberika iformasi dalam pegambila keputusa dapat ditigkatka dega megguaka kosep slice da dice. Kosep slice da dice pada data warehouse ii merupaka sebuah kosep multi dimesi pada datawarehouse, dimaa hypercubes atau cube dapat dilihat dari berbagai dimesi. Selai itu kosep slice da dice berfugsi utuk megambil potoga hypercubes atau cube berdasarka ilai tertetu pada satu atau beberapa dimesiya. Kosep slice da dice ii dapat dilakuka dega memberika query atau peritah structured query laguage (sql) sederhaa. : 2000 eis S1 D3 Pria Waita ejag: Strata satu Agk P W eis: Pria eja 200 g 1 S1 D3 E N I S 3. ROLL UP DAN DRILL DOWN Selai megguaka slice da dice kemampua multidimesi hypercubes atau cube dalam memberika iformasi dalam pegambila keputusa dapat ditigkatka dega megguaka kosep roll up da drill dow. Roll up adalah proses geeralisasi satu atau beberapa dimesi dega meragkum atau merigkas ilai-ilai ukuraya. Dega kata lai geeralisasi berarti aik ke tigkat A g k a t a D3 ejag e 2 a g eis Gambar 4. Kosep Slice da Dice ejag eis atasya dalam hirarki dimesi. Sedagka proses drill dow adalah proses memilih da meampilka data ricia dalam satu atau beberapa dimesi da merupaka kebalika dari operasi roll-up. Sama seperti kosep slice da dice dapat dilakuka dega memberika query atau peritah structured query laguage (sql) sederhaa, demikia juga dega kosep roll up da drill dow dapat dilakuka dega memberika query atau peritah structured query laguage (sql) sederhaa. Ag jej jekel jum p w p w p w p w p w p w 66 Gambar 5. Kosep Roll up Kosep roll up pada gambar 5 diatas dalam meggeeralisasi data dilakuka dega peritah sql Select Ag, sum(jum) as jum from DWmhs group by ag Nim Nama ekel oi p Too p Edi saku p Feri p Boo p Diru p Guawa p Hari p Tomi p Bud i p Lukas p Gambar 6. Kosep Drill dow Ag um ag jej ps jekel jum p w p w p w p w p 15-2

3 Kosep drill dow pada gambar 6 diatas dalam merici data dilakuka dega peritah sql Select a.im,a.ama from mastmhs a, DWmhs b where left(a.im,2)=right(b.ag,2) ad substr(a.im,3,2)=b.ps ad substr(a.im,5,1)b.jej ad a.jekel=b.jekel Maajeme pegambil keputusa aka sagat terbatu dalam megambil keputusa dega melihat hypercubes atau cube secara geeralisasi dega kosep roll up da secara terici dega kosep drill dow. Geeralisasi data dega kosep roll up membatu maajeme pegambil keputusa dega data-data yag bersifat ragkuma atau rigkasa. Ricia data dega kosep drill dow membatu maajeme pegambil keputusa dega data-data yag bersifat terici. 4. PERTANYAAN-PERTANYAAN Berdasarka uraia-uraia diatas terlihat bahwa kosep multidimesi dega meerapka kosep slice da dice, roll up da drill dow aka meigkatka kemampua hypercubes atau cube dalam memberika iformasi pegambila keputusa bagi maajeme pegambil keputusa. Meigkatya kemampua hypercubes atau cube dalam memberika iformasi pegambila keputusa, meimbulka pertayaa-pertayaa yag aka dibahas lebih lajut pada pembahasa berikutya. Adapu pertayaa-pertayaa tersebut adalah: 1. Berapa dimesi miimal da dimesi maksimal yag dapat dibetuk dari sebuah hypercubes atau cube? 2. Berapa kombiasi lapora atau grafik yag dapat dibetuk dari sebuah hypercubes atau cube? 3. Berapa kombiasi lapora atau grafik yag dapat dibetuk pada setiap dimesi dari sebuah hypercubes atau cube? 5. PEMBAHASAN AWAL Lapora yag ditampilka dalam betuk sebuah grafik merupaka perpotoga atara sumbu horisotal da sumbu vertikal. Sumbu horisotal pada sebuah grafik haya meggambarka ilai sebuah kolom, sedagka sumbu vertikal meggambarka ilai sebuah kolom atau perpadua lebih dari satu kolom. Kolom bisa juga diartika sebagai dimesi pada hypercubes atau cube. Maksimal kolom yag dapat dipakai sebagai sumbu horisotal adalah jumlah kolom tabel fakta (atau jumlah dimesi pada hypercubes atau cube) selai kolom jumlah. Kolom jumlah tidak dapat dijadika sebagai sumbu vertikal maupu sumbu horisotal dikareaka kolom jumlah adalah ilai yag aka ditampilka pada perpotoga sumbu vertikal da sumbu horisotal pada tampila grafik. Kolom jumlah ii aka memperlihatka ilai tre keaika atau peurua pada sebuah tampila grafik. Sumbu vertikal Kolom jumlah Sumbu horisotal Gambar 7. Grafik Sumbu vertikal adalah dimesi yag dapat dibetuk dari sebuah kolom/dimesi atau perpadua ilai kolom/dimesi. Sehigga kita dapati maksimal ilai dimesi suatu tabel fakta adalah jumlah kolom tabel fakta tersebut selai kolom jumlah. Sehigga apabila sebuah tabel mempuyai 2 kolom selai kolom jumlah maka aka mempuyai maksimal 2 dimesi, jika mempuyai 3 kolom selai kolom jumlah maka aka mempuyai maksimal 3 dimesi da seterusya. Hal ii juga dapat terlihat pada hypercubes atau cube dimaa jumlah dimesi pada hypercubes atau cube adalah sama dega jumlah kolom pada tabel fakta selai kolom jumlah. Perhatika gambar dibawah ii dimaa jumlah dimesi pada hypercubes yaitu 6 sama dega jumlah field pada tabel fakta data1 selai field jum yaitu 6. Gambar 8. Hypercubes da tabel fakta Data1 Dega demikia pertayaa berapa dimesi miimal da dimesi maksimal yag dapat dibetuk dari sebuah hypercubes atau cube telah terjawab. Dimaa jumlah dimesi miimal adalah 1 da jumlah dimesi maksimal adalah sebayak dimesi yag dimiliki oleh hypercubes atau cube. 6. RUMUS KOMBINASI Utuk medapatka kombiasi lapora/tabel yag dapat dibetuk dari masig-masig dimesi pada hypercubes tapa memperhatika uruta susuaya serta utuk mejawab pertayaa berapa kombiasi lapora atau grafik yag dapat dibetuk -3

4 dari sebuah tabel fakta maka ada baikya kita megguaka rumus kombiasi pada ilmu statistik. Teori kombiasi megataka Kombiasi dari sejumlah objek yag berbeda yag diambil sejumlah r pada satu saat adalah pemiliha r objek itu tapa memperhatika uruta susuaya. (og ek Siag, 2002). umlah kombiasi dari objek sejumlah yag diambil r pada satu saat mempuyai rumus sebagai berikut: Cr atau C(,r) atau C,r atau dimaa: C r =! r! (-r)! dimaa:! = (-1)(-2) 1 maka: 0! = 1 1! = 1 2! = 2*1 = 2 3! = 3*2*1 = 6 6! = 6*5*4*3*2*1 = 720 Dega megguaka rumus kombiasi diatas maka dikembagka sebuah rumus yag dapat memperlihatka jumlah lapora atau grafik yag dapat dibetuk berdasar jumlah dimesi pada hypercubes utuk memeuhi kosep multi dimesi pada datawarehouse yaitu: * -1 C r-1 dimaa: adalah jumlah dimesi hypercubes r adalah ilai dimesi yag aka dibetuk Dega dikembagkaya rumus ii maka kita aka megetahui: 1. Keseluruha kombiasi lapora atau grafik yag dapat dibetuk 2. Kombiasi lapora atau grafik pada setiap dimesi Timbul pertayaa lajuta: keapa pembahasa dalam ragka medapatka dimesi pada sebuah hypercubes atau cube dikembagka dari rumus teori kombiasi statistik da keapa tidak megguaka rumus teori laiya? Utuk mejawab pertayaa tersebut ada baikya kita bahas beberapa alasa yag medasari pemiliha rumus teori kombiasi tersebut. Utuk pembuata lapora dimesi 2 keatas kolom pertama bersifat tetap sedagka kolom berikutya selai kolom jumlah dapat ditukar posisiya. Kolom pertama tidak dapat dipertukarka dikareaka kolom pertama ii mejadi ilai pada garis horisotal pada grafik, sedagka kolom jumlah adalah ilai yag aka ditampilka pada perpotoga baris da kolom pada tampila grafik. Sebagai cotoh perhatika pejelasa perbadiga tampila lapora dapat dilihat di tabel 2. r Tabel 2. Cotoh pejelasa perbadiga tampila lapora ejag eis umlah P W P W P W P W P W P W 17 umlah 328 Lapora di atas jika ditampilka dalam betuk grafik aka mempuyai tampila grafik seperti P W P W Gambar 9. Tampila grafik hasil lapora Tampila lapora/tabel diatas dapat mempuyai tampila lapora yag ditukar posisi kolomya selai kolom pertama da kolom jumlah, yaitu kolom eis dipidah ke posisi kolom ejag sebalikya kolom ejag dipidah ke posisi kolom eis. Sehigga tampila lapora diatas aka berubah mejadi lapora seperti Tabel 3. Cotoh pejelasa perbadiga tampila lapora eis ejag umlah 2000 P W P W P W P W P W P W 3 17 umlah

5 Lapora diatas jika ditampilka dalam betuk grafik aka mempuyai tampila grafik seperti P W P w Gambar 10. Betuk grafik hasil lapora tabel 3 Terlihat bahwa tampila kedua lapora/tabel diatas tidak berbeda dalam hal ilai pada kolom jumlah, yag berbeda hayalah adaya peukara kolom jeis da jejag. Demikia juga dega tampila kedua grafik diatas terlihat bahwa betuk grafik sama, mempuyai garis horizotal yag berisi agkata yag tetap sama. Yag berbeda hayalah tampila pada legeda grafik yaitu utuk legeda garis wara biru pada grafik pertama adalah 5 p, sedag pada grafik kedua adalah p 5. Dari pejelasa perbadiga betuk kedua lapora tersebut jelas bahwa kombiasi dimesi yag aka dicari adalah kombiasi sejumlah objek yag berbeda yag diambil dari sejumlah r tapa memperhatika uruta susuaya. Hal ii sejala dega isi da pejelasa rumus teori kombiasi, sehigga pembahasa utuk medapatka dimesi pada sebuah hypercubes atau cube diguaka rumus teori kombiasi statistik. 7. KOMBINASI RUMUS 3 DIMENSI Utuk mecoba pembuktia pegembaga rumus kombiasi diatas maka dipadag perlu utuk meguji coba pegembaga rumus kombiasi tersebut dega megambil sampel dari sebuah hypercubes atau cube 3 dimesi. Utuk memudahka pejelasa maka setiap dimesi aka diwakilka dega huruf alphabet sehigga hypercubes atau cube 3 dimesi tersebut mempuyai tampila lapora sebagai berikut: A B C umlah ii aka dicari kombiasi lapora/tabel atau grafik yag dapat dibetuk pada setiap dimesiya. Dimesi 1, berarti r=1 maka = * -1 C r-1 = 3 * 3-1 C 1-1 = 3 * 2 C 0 = 3 * (! ) r! (-r)! 0! (2-0)! 0! (2!) = 3 * ( 1*2 ) 1 (1*2) = 3 * 1 = 3 Dimesi 3, berarti r=3 maka = * -1 C r-1 = 3 * 3-1 C 3-1 = 3 * 2 C 2 = 3 * (! ) r! (-r)! 2! (2-2)! 2! (0!) = 3 * ( 1*2 ) 1*2 (1) = 3 * 1 = 3 Dimesi 2, berarti r=2 maka = * -1 C r-1 = 3 * 3-1 C 2-1 = 3 * 2 C 1 = 3 * (! ) r! (-r)! 1! (2-1)! 1! (1!) = 3 * ( 1*2 ) 1 (1 ) = 3 * 2 = 6 Hasil dari rumus kombiasi ii pada hypercubes 3 dimesi ii dapat terlihat pada tabel Tabel 4. Hasil rumus kombiasi hypercubes 3 dimesi Sumbu Dimesi horizotal A A AB A BC atau A CB AC B B BA B AC atau A CA BC C C CA C AB atau A BA CB Kombiasi Total: 12 kombiasi Pada tabel diatas pada dimesi 3 kombiasi lapora/tabel/grafik mempuyai 2 piliha misalya utuk sumbu horisotal A dapat mempuyai tampila lapora sebagai berikut: A B C umlah Dega megguaka rumus kombiasi: *-1 C r-1 dimaa adalah jumlah dimesi hypercubes da r adalah ilai dimesi yag aka dibetuk. Karea jumlah dimesi hypercubes cotoh adalah 3 maka =3. Sesuai dega kosep multidimesi data warehouse maka berdasarka hypercubes 3 dimesi Sesuai dega pejelasa sebelumya bahwa utuk pembuata lapora dimesi 2 keatas kolom pertama bersifat tetap sedagka kolom berikutya selai kolom jumlah dapat ditukar posisiya,, da kolom pertama ii mejadi sumbu horizotal pada -5

6 tampila grafik. Sehigga lapora diatas dapat dirubah mejadi seperti lapora dibawah ii da mempuyai maka yag sama. A C B umlah Terlihat dari pembuktia dega rumus kombiasi * -1 C r-1 diatas: pada saat dimesi 1 yaitu r=1 meghasilka 3 kombiasi lapora/tabel/grafik pada saat dimesi 2 yaitu r=2 meghasilka 6 kombiasi lapora/tabel/grafik pada saat dimesi 3 yaitu r=3 meghasilka 3 kombiasi lapora/tabel/grafik Sehigga total tampila lapora/tabel/grafik yag dapat dibetuk adalah 12 kombiasi Perpotoga atar 2 dimesi dibawah ii aka memperlihatka adaya 6 perpotoga kolom yaitu AB, AC, BA, BC,CA da CB. A B C A AB AC B BA BC C CA CB Hal ii sesuai dega hasil pembuktia dega rumus pada saat dimesi 2 aka meghasilka 6 kombiasi lapora/tabel/grafik. Perpotoga atar 3 dimesi dibawah ii aka memperlihatka adaya 6 perpotoga kolom yaitu A BC, A CB, B AC, B CA, C AB da C BA. A B C B C A C A B A A BC A CB B B AC B CA C C AB C BA Sesuai dega pejelasa sebelumya bahwa utuk pembuata lapora dimesi 2 keatas kolom pertama bersifat tetap sedagka kolom berikutya selai kolom jumlah dapat ditukar posisiya,, da kolom pertama ii mejadi sumbu horizotal pada tampila grafik. Oleh karea itu 6 perpotoga kolom diatas karea mempuyai betuk tampila lapora yag sama da mempuyai betuk tampila grafik yag sama dapat dipertukarka kolom berikutya selai kolom pertama da kolom jumlah. adi oleh karea 6 perpotoga kolom diatas mempuyai kolom pertama yag sama da kolom berikutya yag sama yag salig dipertukarka posisiya yaitu: A BC atau A CB B AC atau B CA C AB atau C BA Sehigga sebearya haya ada 3 perpotoga kolom da hal ii sesuai dega hasil pembuktia dega rumus pada saat dimesi 3 aka meghasilka 3 kombiasi lapora/tabel/grafik. Terlihat juga dega pembuktia rumus kombiasi pada hypercubes 3 dimesi ii kombiasi awal da akhir mempuyai ilai yag sama dega jumlah dimesi yaitu KESIMPULAN Akhirya kita aka megambil kesimpula bahwa: 1. Nilai kombiasi awal da akhir mempuyai ilai yag sama dega jumlah dimesi selai kolom jumlah pada tabel fakta atau hypercubes 2. Rumus kombiasi ii dapat mempermudah da mejadi acua dalam membuat sebuah aplikasi OLAP (Olie Aalytical Processig) yag megakses data warehouse da dapat meampilka kemampua mutidimesi dari sebuah hypercubes atau cube secara lebih maksimal. 3. secara kosep peritah sql yag diguaka utuk megakses hypercubes data warehouse mempuyai kesamaa sebagai berikut: select field1..field, sum(jum) as jumlah from amatabel group by field1..field; Dimaa uruta select sama dega group by field1 field field1 field harus DAFTAR PUSTAKA Elmasri ad Navathe, Fudametals of Database Systems, Addiso Wesley, og ek Siag, Matematika Diskrit da aplikasiya pada ilmu komputer, Adi, Paulraj Poiah, Data Warehousig Fudametals, oh wiley&sos, Ic, Vivek R. Gupta 1997, A Itroductio to Data Warehousig, diambil taggal: 9 Maret 2006 dari: -6

BAB IV PEMECAHAN MASALAH

BAB IV PEMECAHAN MASALAH BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii

Lebih terperinci

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)

Lebih terperinci

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik

= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

EKSPANSI MULTINOMIAL, KOMBINASI, DAN PERMUTASI

EKSPANSI MULTINOMIAL, KOMBINASI, DAN PERMUTASI EKSPANSI MULTINOMIAL, KOMBINASI, DAN PERMUTASI Oleh: Sutopo Jurusa Fisika FMIPA UM sutopo@fisika.um.ac.id Ditulis pada sekitar bula Maret 2011. Diuggah pada 3 Desember 2011 PROBLEM Gambar di bawah ii meyataka

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 7 Penyelesaian Persamaan Differensial Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala

Lebih terperinci

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015 RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret Program Perkuliaha Dasar Umum Sekolah Tiggi Tekologi Telkom Barisa da Deret Barisa Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) a Fugsi tersebut

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa

Lebih terperinci

BARISAN DAN DERET. Nurdinintya Athari (NDT)

BARISAN DAN DERET. Nurdinintya Athari (NDT) BARISAN DAN DERET Nurdiitya Athari (NDT) BARISAN Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) = a Fugsi tersebut dikeal sebagai barisa bilaga

Lebih terperinci

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder

3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder 3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag

Lebih terperinci

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

Lebih terperinci

BAB II KEADAAN FERMI DIRAC

BAB II KEADAAN FERMI DIRAC BAB II KEADAAN FERMI DIRAC A. Keadaa Makro da Mikro Masalah utama yag dihadapi dalam mekaika statistic adalah meetuka sebara yag mugki dari partikel-partikel kedalam tigkattigkat eergi da keadaa-keadaa

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

Kompetisi Statistika Tingkat SMA

Kompetisi Statistika Tingkat SMA . Arya da Bombom melakuka tos koikoi yag seimbag yag mempuyai sisi, agka da gambar Arya melakuka tos terhadap 6 koi, sedagka Bombom melakuka tos terhadap koi, maka peluag Arya medapatka hasil tos muka

Lebih terperinci

PEMILIHAN UJI NONPARAMETRIK TERBAIK UNTUK DUA SAMPEL BEBAS MELALUI METODE SIMULASI

PEMILIHAN UJI NONPARAMETRIK TERBAIK UNTUK DUA SAMPEL BEBAS MELALUI METODE SIMULASI PEMILIHAN UJI NONPARAMETRIK TERBAIK UNTUK DUA SAMPEL BEBAS MELALUI METODE SIMULASI Sugiyato 1, Etik Zukhroah 2 1,2 Jurusa Matematika FMIPA-UNS, e-mail : 1 Sugiy@yahoo.co.id, 2 etikzukhroah@yahoo.co.id

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis peelitia Peelitia ii merupaka jeis peelitia eksperime. Karea adaya pemberia perlakua pada sampel (siswa yag memiliki self efficacy redah da sagat redah) yaitu berupa layaa

Lebih terperinci

1 n MODUL 5. Peubah Acak Diskret Khusus

1 n MODUL 5. Peubah Acak Diskret Khusus ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai

Lebih terperinci

2 BARISAN BILANGAN REAL

2 BARISAN BILANGAN REAL 2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika Prosidig Semirata FMIPA Uiversitas Lampug, 0 Model Pertumbuha BeefitAsurasi Jiwa Berjagka Megguaka Deret Matematika Edag Sri Kresawati Jurusa Matematika FMIPA Uiversitas Sriwijaya edagsrikresawati@yahoocoid

Lebih terperinci

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno

PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

Biostatistics UJI CHI-SQUARE UJI HIPOTESIS CHI-SQUARE

Biostatistics UJI CHI-SQUARE UJI HIPOTESIS CHI-SQUARE Biostatistics UJI CHI-SQUARE I N T A N Y U S U F H A B I B I E, S. G Z - Ilmu statistik tidak haya membatu kita utuk medeskripsika data secara rigkas, tapi juga dapat diguaka utuk meguji hipotesa. - Hipotesa

Lebih terperinci

KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI

KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA Fitriai Agustia, Math, UPI 1 Fiacial Derivative Opsi Mafaat Opsi Opsi Eropa Peetua Harga Opsi Kekovergea Model Biomial Fitriai Agustia, Math,

Lebih terperinci

Himpunan. Himpunan 3/28/2012. Semesta Pembicaraan Semua mobil di Indonesia

Himpunan. Himpunan 3/28/2012. Semesta Pembicaraan Semua mobil di Indonesia Himpua Suatu himpua atau gugus adalah merupaka sekumpula obyek. Pada umumya aggota dari gugus tersebut memiliki suatu sifat yag sama. Suatu himpua bagia atau aak gugus merupaka sekumpula obyek yag aggotaya

Lebih terperinci

BAB II CICILAN DAN BUNGA MAJEMUK

BAB II CICILAN DAN BUNGA MAJEMUK BAB II CICILAN DAN BUNGA MAJEMUK 2.1. Buga Majemuk Ada sedikit perbedaa atara suku buga tuggal da suku buga majemuk. Pada suku buga tuggal, besarya buga B = Mp tidak perah digabugka dega modal M. Sebalikya

Lebih terperinci

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu Secara umum persamaa rekursif liier tigkat-k bisa dituliska dalam betuk: dega C 0 0. C 0 x + C 1 x 1 + C 2 x 2 + + C k x k = b, Jika b = 0 maka persamaa rekursif tersebut diamaka persamaa rekursif liier

Lebih terperinci

STATISTIKA NON PARAMETRIK

STATISTIKA NON PARAMETRIK . PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha

Lebih terperinci

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic.

Penyelesaian Asymmetric Travelling Salesman Problem dengan Algoritma Hungarian dan Algoritma Cheapest Insertion Heuristic. Peyelesaia Asymmetric Travellig Salesma Problem dega Algoritma Hugaria da Algoritma Cheapest Isertio Heuristic Caturiyati Staf Pegaar Jurusa Pedidika Matematika FMIPA UNY E-mail: wcaturiyati@yahoo.com

Lebih terperinci

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas. 4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha

Lebih terperinci

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical

Lebih terperinci

PROSIDING ISBN:

PROSIDING ISBN: S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas

Lebih terperinci

Solusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP

Solusi Numerik PDP. ( Metode Beda Hingga ) December 9, 2013. Solusi Numerik PDP ( Metode Beda Higga ) December 9, 2013 Sebuah persamaa differesial apabila didiskritisasi dega metode beda higga aka mejadi sebuah persamaa beda. Jika persamaa differesial parsial mempuyai solusi eksak

Lebih terperinci

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa

Lebih terperinci

BAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat

BAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat 38 3.1 Lokasi da Waktu Peelitia 3.1.1 Lokasi Peelitia BAB III METODE PENELITIAN Lokasi peelitia ii dilakuka di Puskesmas Limba B terutama masyarakat yag berada di keluraha limba B Kecamata Kota Selata

Lebih terperinci

BARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1

BARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1 BARISAN DAN DERET 05//06 Matematika Tekik BARISAN Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 05//06 Matematika Tekik Barisa Tak Higga Secara sederhaa, barisa merupaka

Lebih terperinci

theresiaveni.wordpress.com NAMA : KELAS :

theresiaveni.wordpress.com NAMA : KELAS : theresiaveiwordpresscom NAMA : KELAS : 1 theresiaveiwordpresscom BARISAN DAN DERET Barisa da deret dapat diguaka utuk memudahka peyelesaia perhituga, misalya buga bak, keaika produksi, da laba/rugi suatu

Lebih terperinci

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0.

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0. PROGRAM STUDI PENDIDIKAN MATEMATIKA FKIP UNMUH PONOROGO SOAL UJIAN TENGAH SEMESTER GENAP TA 03/04 Mata Ujia : Aalisis Real Tipe Soal : REGULER Dose : Dr. Jula HERNADI Waktu : 90 meit Hari, Taggal : Selasa,

Lebih terperinci

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 3, , Desember 2003, ISSN : INTERVAL SELISIH RATA-RATA DENGAN METODE BOOTSTRAP PERSENTIL

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 3, , Desember 2003, ISSN : INTERVAL SELISIH RATA-RATA DENGAN METODE BOOTSTRAP PERSENTIL JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 3, 118-70, Desember 003, ISSN : 1410-8518 INTERVAL SELISIH RATA-RATA DENGAN METODE BOOTSTRAP PERSENTIL Akhmad Fauzy Statistika FMIPA UII Yogyakarta & siswa Ph.D

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Permasalaha peugasa atau assigmet problem adalah suatu persoala dimaa harus melakuka peugasa terhadap sekumpula orag yag kepada sekumpula job yag ada, sehigga tepat satu

Lebih terperinci

Penyelesaian Persamaan Non Linier

Penyelesaian Persamaan Non Linier Peyelesaia Persamaa No Liier Metode Iterasi Sederhaa Metode Newto Raphso Permasalaha Titik Kritis pada Newto Raphso Metode Secat Metode Numerik Iterasi/NewtoRaphso/Secat - Metode Iterasi Sederhaa- Metode

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab

BAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab BAB III METODE PENELITIAN Metode peelitia merupaka suatu cara atau prosedur utuk megetahui da medapatka data dega tujua tertetu yag megguaka teori da kosep yag bersifat empiris, rasioal da sistematis.

Lebih terperinci

Barisan, Deret, dan Notasi Sigma

Barisan, Deret, dan Notasi Sigma Barisa, Deret, da Notasi Sigma B A B 5 A. Barisa da Deret Aritmetika B. Barisa da Deret Geometri C. Notasi Sigma da Iduksi Matematika D. Aplikasi Barisa da Deret Sumber: http://jsa007.tripod.com Saat megedarai

Lebih terperinci

Bab IV. Penderetan Fungsi Kompleks

Bab IV. Penderetan Fungsi Kompleks Bab IV Pedereta Fugsi Kompleks Sebagaimaa pada fugsi real, fugsi kompleks juga dapat dideretka pada daerah kovergesiya. Semua watak kajia kovergesi pada fugsi real berlaku pula pada fugsi kompleks. Secara

Lebih terperinci

REGRESI DAN KORELASI SEDERHANA

REGRESI DAN KORELASI SEDERHANA REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai

Lebih terperinci

Barisan Aritmetika dan deret aritmetika

Barisan Aritmetika dan deret aritmetika BARISAN DAN DERET BILANGAN Peyusu: Atmii Dhoruri, MS Kode: Jejag: SMP T/P: / A. Kompetesi yag diharapka. Meetuka suku ke- barisa aritmatika da barisa geometri. Meetuka jumlah suku pertama deret aritmatika

Lebih terperinci

BAB 1 PENDAHULUAN Latar Belakang

BAB 1 PENDAHULUAN Latar Belakang BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma

Lebih terperinci

Entity Relationship Diagram

Entity Relationship Diagram Tahap pembuata ER-Diagram Etity Relatioship Diagram Tahap pembuata ER-Diagram Awal (Prelimiary Desig) Meracag diagram basis data yag dapat megakomodasi kebutuha peyimpaa data terhadap sistem. Tahap Optimasi

Lebih terperinci

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,

Lebih terperinci

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira

Lebih terperinci

1 Departemen Statistika FMIPA IPB

1 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351) 1 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Metode Noparametrik Skala Pegukura Metode Noparameterik Uji Hipotesis

Lebih terperinci

Perbandingan Beberapa Metode Pendugaan Parameter AR(1)

Perbandingan Beberapa Metode Pendugaan Parameter AR(1) Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad

Lebih terperinci

SEBARAN t dan SEBARAN F

SEBARAN t dan SEBARAN F SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita

Lebih terperinci

BAB 4 LIMIT FUNGSI Standar Kompetensi Menggunakan konsep limit fungsi dan turunan fungsi dalam pemecahan masalah

BAB 4 LIMIT FUNGSI Standar Kompetensi Menggunakan konsep limit fungsi dan turunan fungsi dalam pemecahan masalah BAB LIMIT FUNGSI Stadar Kompetesi Megguaka kosep it ugsi da turua ugsi dalam pemecaha masalah Kompetesi Dasar. Meghitug it ugsi aljabar sederhaa di suatu titik. Megguaka siat it ugsi utuk meghitug betuk

Lebih terperinci

BARISAN FIBONACCI DAN BILANGAN PHI

BARISAN FIBONACCI DAN BILANGAN PHI BARISAN FIBONACCI DAN BILANGAN PHI Fiboacci Matematikawa terbesar pada abad pertegaha adalah Leoardo dari Pisa, Italia (80 0). Ia lebih dikeal dega ama Fibo-acci. Artiya, aak Boaccio. Meara Pisa yag terkeal

Lebih terperinci

Bab 3 Kerangka Pemecahan Masalah

Bab 3 Kerangka Pemecahan Masalah Bab 3 Keragka Pemecaha Masalah 3.1. Metode Pemecaha Masalah Peelitia ii disajika dalam lagkah-lagkah seperti ag terdapat pada gambar dibawah ii. Peajia secara sistematis dibuat agar masalah ag dikaji dalam

Lebih terperinci

ANALISIS TENTANG GRAF PERFECT

ANALISIS TENTANG GRAF PERFECT Aalisis Tetag Graf Perfect ANALISIS TENTANG GRAF PERFET Nurul Imamah AH Fakultas Matematika da Ilmu Pegetahua Alam Uiversitas Pesatre Tiggi Darul Ulum Jombag urul.imamah86@gmail.com Abstrak Seirig perkembaga

Lebih terperinci

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel) DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

HUKUM DASAR KIMIA. 2CuO. 28gram nitrogen 52 gram magnesium nitrida 3 Mg + N 2 Mg 3 N 2

HUKUM DASAR KIMIA. 2CuO. 28gram nitrogen 52 gram magnesium nitrida 3 Mg + N 2 Mg 3 N 2 HUKUM DASAR KIMIA ) Hukum Kekekala Massa ( Hukum Lavoisier ). Yaitu : Dalam sistem tertutup, massa zat sebelum da sesudah reaksi adalah sama. 40 Ca + 6 O 56 CaO C + 3 O 44 CO Cotoh soal : Pada wadah tertutup,

Lebih terperinci

APLIKASI PERAMALAN PENJUALAN MENGGUNAKAN METODE REGRESI LINIER

APLIKASI PERAMALAN PENJUALAN MENGGUNAKAN METODE REGRESI LINIER APLIKASI PERAMALAN PENJUALAN MENGGUNAKAN METODE REGRESI LINIER Rival Zuaidhi, Wahyu S. J. Saputra da Ni Ketut Sari Jurusa Tekik Iformatika, Fakultas Tekologi Iformasi, UPN Vetera Jawa Timur Email: rivalavista@yahoo.com

Lebih terperinci

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk : PARAMETER PENGJIAN HIPOTESIS MODL PARAMETER PENGJIAN HIPOTESIS. Pedahulua Kalau yag sedag ditest atau diuji itu parameter θ dalam hal ii pegguaaya ati bias rata-rata µ prprsi p, simpaga baku σ da lai-lai,

Lebih terperinci

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD

PENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),

Lebih terperinci

3. METODE PENELITIAN

3. METODE PENELITIAN 3. METODE PENELITIAN 3.1. Waktu da Lokasi Peelitia Peelitia ii megguaka data primer da sekuder. Data primer diambil dari kegiata peelitia skala laboratorium. Peelitia dilakuka pada bula Februari-Jui 2011.

Lebih terperinci

PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT

PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT Buleti Ilmiah Math. Stat. da Terapaya (Bimaster) Volume 02, No. 1(2013), hal 1-6. PENYELESAIAN PERSAMAAN GELOMBANG DENGAN METODE D ALEMBERT Demag, Helmi, Evi Noviai INTISARI Permasalaha di bidag tekik

Lebih terperinci

Pendahuluan. Dalam statistika tercakup dua pekerjaan penting, yaitu : penyajian DATA menghasilkan INFORMASI penafsiran

Pendahuluan. Dalam statistika tercakup dua pekerjaan penting, yaitu : penyajian DATA menghasilkan INFORMASI penafsiran Pedahulua. Pegertia Statistika Statistika metode yag berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah Dalam statistika tercakup dua pekerjaa

Lebih terperinci

Modul 2 PENGUKURAN JARAK ANTAR NODE MENGGUNAKAN X-Bee. RSSI 10x

Modul 2 PENGUKURAN JARAK ANTAR NODE MENGGUNAKAN X-Bee. RSSI 10x Modul ENGUKURAN JARAK ANTAR NODE MENGGUNAKAN X-Bee. TUJUAN a. Memperkiraka jarak atar ode berdasarka model komuikasi irkabel b. Megukur kuat siyal terima dari modul komuikasi X Bee c. Medapatka karakteristik

Lebih terperinci

RUANG BASIS SOLUSI. Ini disusun untuk memenuhi tugas mata kuliah. Aljabar Linier DISUSUN OLEH : DONNA SEPTIAN CAHYA RINI (08411.

RUANG BASIS SOLUSI. Ini disusun untuk memenuhi tugas mata kuliah. Aljabar Linier DISUSUN OLEH : DONNA SEPTIAN CAHYA RINI (08411. RUANG BASIS SOLUSI Ii disusu utuk memeuhi tugas mata kuliah Aljabar Liier DISUSUN OLEH : DONNA SEPIAN CAHYA RINI (08411.114) FIRIA ASUI (08411.133) NURUL AISYAH (08411.211) SULIS SEYOWAI (08411.260) SULISIANI

Lebih terperinci

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah siswa kelas VIII (delapan) semester ganjil di

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah siswa kelas VIII (delapan) semester ganjil di 4 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah siswa kelas VIII (delapa) semester gajil di SMP Xaverius 4 Badar Lampug tahu ajara 0/0 yag berjumlah siswa terdiri dari

Lebih terperinci

BAB II PEMBAHASAN. 1

BAB II PEMBAHASAN. 1 BAB II PEMBAHASAN A. Keadaa Makro da Keadaa Mikro Masalah utama yag dihadapi dalam mekaika statistic adalah meetuka sebara yag mugki dari partikel-partikel kedalam tigkattigkat eergi da keadaa-keadaa atau

Lebih terperinci

Bab 8 Teknik Pengintegralan

Bab 8 Teknik Pengintegralan Catata Kuliah MA3 Kalkulus Elemeter II Oki Neswa,Ph.D., Departeme Matematika-ITB Bab 8 Tekik Pegitegrala Metoda Substitusi Itegral Fugsi Trigoometrik Substitusi Merasioalka Itegral Parsial Itegral Fugsi

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 69 BAB III METODE PENELITIAN A. Jeis Peelitia Dalam peelitia ii peeliti megguaka jeis Peelitia Tidaka Kelas (Classroom Actio Research) dega megguaka metode Diskriptif Kuatitatif. Peelitia Tidaka Kelas

Lebih terperinci

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari. Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah

Lebih terperinci

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL

Prestasi itu diraih bukan didapat!!! SOLUSI SOAL SELEKSI OLIMPIADE TINGKAT KABUPATEN/KOTA 010 TIM OLIMPIADE MATEMATIKA INDONESIA 0 Prestasi itu diraih buka didapat!!! SOLUSI SOAL Bidag Matematika Disusu oleh : Eddy Hermato, ST Olimpiade Matematika Tk

Lebih terperinci

4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1

4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1 4. KOMBINATORIKA 4. Atua Utuk Suatu Peistiwa Evet sesuatu yag tejadi. Jika peistiwa A dapat tejadi dalam m caa da peistiwa B dapat tejadi dalam N caa, maka tedapat (m, ) caa kedua peistiwa tejadi besama-sama.

Lebih terperinci

SINYAL WAKTU Pengolahan Sinyal Digital Minggu II

SINYAL WAKTU Pengolahan Sinyal Digital Minggu II SINYAL WAKTU Pegolaha Siyal Digital Miggu II 24 Goodrich, Tamassia PENDAHULUAN Defiisi Siyal x(t) Fugsi dari variabel bebas yag memiliki ilai real/skalar yag meyampaika iformasi tetag keadaa atau ligkuga

Lebih terperinci

--Fisheries Data Analysis-- Perbandingan ragam. By. Ledhyane Ika Harlyan. Faculty of Fisheries and Marine Science Brawijaya University

--Fisheries Data Analysis-- Perbandingan ragam. By. Ledhyane Ika Harlyan. Faculty of Fisheries and Marine Science Brawijaya University --Fisheries Data Aalysis-- Perbadiga ragam By. Ledhyae Ika Harlya Faculty of Fisheries ad Marie Sciece Brawijaya Uiversity Tujua Istruksioal Khusus Mahasiswa dapat megguaka aalisis statistika sederhaa

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 1, 41-48, April 2003, ISSN : MATRIKS STOKASTIK GANDA DAN SIFAT-SIFATNYA

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 1, 41-48, April 2003, ISSN : MATRIKS STOKASTIK GANDA DAN SIFAT-SIFATNYA JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No., 4-48, April 00, ISSN : 40-858 MATRIKS STOKASTIK GANDA DAN SIFAT-SIFATNYA Suryoto Jurusa Matematika F-MIPA Uiversas Dipoegoro Semarag Abstrak Suatu matriks tak

Lebih terperinci

TEKNIK SAMPLING PCA SISTEMATIK. Hazmira Yozza Izzati Rahmi HG. Jurusan Matematika FMIPA - Unand

TEKNIK SAMPLING PCA SISTEMATIK. Hazmira Yozza Izzati Rahmi HG. Jurusan Matematika FMIPA - Unand Hazmira Yozza Izzati Rahmi HG TEKNIK SAMPLING PCA SISTEMATIK Jurusa Matematika FMIPA - Uad Defiisi Samplig sistematik adalah metode pearika cotoh yag dilakuka dega cara memilih secara acak satu eleme dari

Lebih terperinci

BAB III METODE PENELITIAN. penelitian ini adalah penelitian diskriptif kuantitatif. Dalam hal ini peneliti akan

BAB III METODE PENELITIAN. penelitian ini adalah penelitian diskriptif kuantitatif. Dalam hal ini peneliti akan BAB III METODE PENELITIAN A. Jeis Peelitia Berdasarka pertayaa peelitia yag peeliti ajuka maka jeis peelitia ii adalah peelitia diskriptif kuatitatif. Dalam hal ii peeliti aka mediskripsika kemampua relatig,

Lebih terperinci

Cara Pengisian Pada File Excel

Cara Pengisian Pada File Excel Cara Pegisia Pada ile Excel Pada tabel realisasi da keuaga ias Pekerjaa Umum Bia Marga Propisi Jawa Timur ii terdiri dari beberapa kolom seperti dibawah ii: atker Tahu Bula Adapu cara pegisia dari masig-masig

Lebih terperinci

1. Uji Dua Pihak. mis. Contoh :

1. Uji Dua Pihak. mis. Contoh : . Uji Dua Pihak H 0 H a : : Cotoh : mis : mea kelas Lab mea kelas tapa lab Ho : Tidak ada perbedaa kemampua hasil belajar biologi siswa atara yag belajar melalui media laboratorium dega yag tidak. Ha :

Lebih terperinci

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model. BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha

Lebih terperinci

Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi

Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.

Lebih terperinci

III. METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yang

III. METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yang III. METODE PENELITIAN 3. Jeis da Sumber Data Data yag diguaka dalam peelitia ii adalah data sekuder yag berasal dari Tabel Iput-Output Provisi Jambi tahu 2007 klasifikasi 70 sektor yag kemudia diagregasika

Lebih terperinci

ANUITAS. 9/19/2012 MK. Aktuaria Darmanto,S.Si.

ANUITAS. 9/19/2012 MK. Aktuaria Darmanto,S.Si. ANUITAS 9/19/2012 MK. Aktuaria Darmato,S.Si. 1 OVERVIEW Auitas adl suatu pembayara dalam jumlah tertetu, yag dilakuka setiap selag waktu da lama tertetu, secara berkelajuta. Suatu auitas yg pasti dilakuka

Lebih terperinci

ARRAY. Pertemuan 2. Array dapat didefinisikan sebagai suatu himpunan hingga elemen yang terurut dan homogen.

ARRAY. Pertemuan 2. Array dapat didefinisikan sebagai suatu himpunan hingga elemen yang terurut dan homogen. ARRAY Pertemua Array atau Larik merupaka Struktur Data Sederhaa yag dapat didefiisika sebagai pemesaa alokasi memory semetara pada komputer. Array dapat didefiisika sebagai suatu himpua higga eleme yag

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci