BAB III METODOLOGI PENELITIAN. acak kelas. Langkah awal untuk menentukan unit-unit eksperimen dilakukan

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB III METODOLOGI PENELITIAN. acak kelas. Langkah awal untuk menentukan unit-unit eksperimen dilakukan"

Transkripsi

1 31 BAB III METODOLOGI PENELITIAN 3.1 Dsain Pnlitian Pnlitian ini mrupakan studi ksprimn yang mlibatkan dua klompok dngan prts dan posts. Pngambilan klompok dilakukan scara acak klas. Langkah awal untuk mnntukan unit-unit ksprimn dilakukan dngan mmilih skolah, yang kmudian mmilih dua klas yang homogn ditinjau dari kmampuan akadmiknya. Klas BBL adalah klas yang mmprolh prlakuan mnggunakan pmblajaran dngan Pndkatan Brain- Basd Larning dan klas konvnsional adalah klas yang mmprolh pmblajaran konvnsional. Prts dan posts ini dilakukan untuk mngtahui pningkatan kmampuan prosdural dan Pmahaman konsp matmatis. Prts dibrikan sblum pross pmblajaran dalam pnlitian ini dimulai, sdangkan posts stlah ksluruhan pross pmblajaran slsai. Prts dibrikan brtujuan untuk mlihat kstaraan kmampuan awal kdua klompok. Dan posts dibrikan brtujuan untuk mngtahui sjauh mana pngaruh pmblajaran yang dibrikan trhadap pningkatan kmampuan siswa, mlihat apakah trdapat prbdaan kmampuan yang signifikan diantara kdua klompok trsbut. Mnurut Rusffndi (005), pnlitian sprti ini mrupakan pnlitian quasi ksprimn, dngan dsain klompok kontrol non-kuivaln. Diagram dsain ksprimnnya sbagai brikut : O X O O O Anton Tirta Suganda, 01

2 3 Ktrangan : O = prts dan posts X = prlakuan pmblajaran dngan pndkatan Brain-basd Larning Adapun alur krja pnlitian ini dapat digambarkan sbagai brikut : Idntifikasi masalah dan tujuan pnlitian Pnyusunan instrumnt dan bahan ajar Uji coba instrumn Analisis data hasil uji coba instrumn Prbaikan instrumn Mnntukan klas BBL dan klas konvnsional Prts Klas Konvnsional (Pmblajaran biasa) Klas BBL (Pmblajaran dngan pndkatan brain basd larning Posts Analisis data Ksimpulan dan rkomndasi Gambar 3.1. Alur Krja Pnlitian Anton Tirta Suganda, 01

3 33 3. Populasi dan Sampl Populasi pada pnlitian ini adalah sluruh siswa Madrasah (MA) Prsis 99 Rancabango klas X (spuluh) tahun plajaran pada smstr gnap. Pmilihan sampl, yaitu klas BBL dan klas konvnsional dilakukan dngan tkhnik clustr random sampling. Sampl yang dipilih dalam pnlitian ini diambil dua klas, yaitu satu klas konvnsional dan satu klas BBL yang dipilih scara acak dari mpat klas X (spuluh) yang trdapat di skolah trsbut. Dari populasi di atas (4 klas yang ada yaitu: X-A, X-B, X-C, dan X-D) dittapkan (dua) klas untuk dijadikan sampl klas pnlitian dngan thnik Clustr Random Sampling. Dngan tknik Clustr Random Sampling yang dalam praktknya dilakuan undian, maka trpilih Klas X-A sbagai klas BBL dan Klas X-C sbagai klas konvnsional. Untuk mnyakinkan bahwa kdua klas trsbut mmiliki tingkat kmampuan matmatika yang sama, dilakukan uji bda rrata tntang hasil blajar matmatika yang diambil dari nilai asli dari Ujian Tngah Smstr (UTS) mata plajaran matmatika tahun plajaran 011/01. Sblum mlakukan uji bda rrata trhadap hasil blajar matmatika kdua klas trsbut, trlbih dahulu dilakukan pngujian trhadap normalitas dan homognitas dari kdua sampl trsbut. Untuk mnguji normalitas kmampuan awal klas BBL dan klas konvnsional digunakan data yang diprolh dari hasil ulangan smstr ganjil mata plajaran matmatika tahun plajaran 011/01 dngan mnggunakan rumus khi kuadrat ( ). Anton Tirta Suganda, 01

4 34 Adapun untuk rumus khi kuadrat ( ) trsbut adalah sbagai brikut: ( f hitung = 0 f ) f hitung = khi kuadrat f 0 f = frkunsi pngamatan = frkunsi harapan Dalam pnlitian ini prhitungan uji normalitas data dilakukan dngan mnggunakan bantuan SPSS vrsi 16 dan dilakukan prhitungan mnggunakan rumus di atas sbagai pmbanding. Dari hasil pngolahan baik dngan mnggunakan SPSS maupun rumus kay kuadrat diprolh bahwa hitung < tabl, maka klas BBL dan klas konvnsional brdistribusi normal. Pngujian brikutnya adalah mnguji homognitas varians nilai UTS klas BBL dan klas konvnsional. Rumusan hipotsisnya adalah: H 0 : = k H A : k Untuk mnguji hipotsis trsbut digunakan Uji F sbagai brikut: Nilai F hitung S F = S bsar kcil Nilai F tabl, F tabl pada taraf kbrartian = 0,05, dngan drajat kbbasan dk 1 = n 1 dan dk = n k 1 adalah F tabl = 0. 95F n -1, n k -1. Kritria pngujian : H 0 ditrima jika F hitung F tabl. Karna trnyata F hitung F tabl, maka varians nilai UTS klas BBL dan klas konvwnsional adalah homogn. Anton Tirta Suganda, 01

5 35 Stlah diktahui bahwa sampl brdistribusi normal dan homogn maka dilanjutkan dngan uji ksamaan rrata nilai UTS klas BBL dan klas konvnsional. Rumusan hipotsisnya adalah: H o : = k H A : k Kritria pngujian : H o ditrima, jika -t tabl t hitung t tabl. Karna trdiri dari dua sampl bbas dan tidak trdapat pubah kontrol, dmikian juga sampl brdistribusi normal dan homogn pngujian ksamaan rrata mnggunakan uji-t, dngan rumus : t = s x x k 1 1 n n k dngan s = ( n 1) s n ( n n k k 1) s k t x x k s s s k n n k = harga t untuk sampl brkorlasi = rrata skor pada klas BBL = rrata skor pada klas konvnsional = varian gabungan = varian klas BBL = varian klompok konvnsional = banyaknya siswa pada klas BBL = banyaknya siswa pada klas konvnsional Anton Tirta Suganda, 01

6 36 Dngan mnggunakan bantuan SPS S vrsi 16, hasil dari uji-t mnunjukkan bahwa sig > 0.05, hal ini brarti bahwa H 0 ditrima, yaitu tidak ada prbdaan yang signifikan antara rrata matmatika pada kdua klas, artinya baik untuk siswa pada klas ksprimn maupun siswa pada klas kontrol bisa dikatakan mmiliki kmampuan yang sama. Shingga kdua klas trsbut cocok untuk dijadikan sampl. Untuk lbih jlasnya dapat dilihat pada rangkuman Tabl 3. 1 brikut: Tabl 3.1 Hasil Uji Normalitas, Homognitas dan Bda Rrata Nilai UTS Klas Kolmogorov- Smirnov Sig. Lvn Statistic Sig. t-tst for Equality of Mans Sig. (-taild) X-A 0.00 X-C Variabl Pnlitian Ada dua variabl dalam pnlitian ini, yaitu varibl bbas (indpndnt variabl) dan variabl trikat (dpndnt variabl). Variabl bbas pnlitian ini adalah Pndkatan Brain-Basd Larning yang ditrapkan pada pmblajaran matmatika di klas BBL, dan variabl trikatnya adalah kmampuan prosdural dan pmahaman konsp matmatis siswa. Dalam stiap plaksanaan pnlitian tidak mnutup kmungkinan adanya variabl-variabl lain yang juga akan mmpngaruhi variabl trikat, sprti lama waktu blajar, ls tambahan, kondisi klas dan sbagainya. Variablvariabl luar yang trjadi dalam pnlitian ini diasumsikan tidak mmpngaruhi scara signifikan (brarti) trhadap variabl trikat. 3.4 Instrumn Pnlitian Anton Tirta Suganda, 01

7 37 Untuk mmprolh data baik kualitatif maupun kuantitatif, dalam pnlitian ini digunakan mpat macam instrumn, yaitu: 1. Ts kmampuan prosdural dan pmahaman konsp matmatis.. Lmbar obsrvasi, digunakan untuk mngtahui tingkat aktivitas siswa dan guru slama pross pmblajaran. 3. Skala sikap, digunakan untuk mngtahui sikap siswa trhadap pmblajaran yang dilakukan yang brknaan dngan stratgi, aktivitas, dan sarana pmblajaran yang digunakan. Dalam mnyusun dan mngmbangkan instrumn, langkah awal yang dilakukan adalah mmbuat kisi-kisi lalu kmudian mngkontruksi instrumn. Untuk mmriksa validitas isi dan muka dilakukan sblum dilaksanakan ujicoba instrumn. Stlah instrumn slsai divalidasi, slanjutnya dilakukan ujicoba. Ujicoba instrumn dilaksanakan satu kali, yaitu diuji cobakan kpada 1 orang siswa klas XII (dua blas) di MA tmpat pnlitian. Hasil ujicoba trsbut dianalisis dngan mnggunakan Anats V4 untuk mngtahui validitas, rliabilitasnya, tingkat ksukaran dan daya pmbda stiap butir ts. Analisis hasil ujicoba instrumn juga ditujukan untuk mngtahui apakah stiap itm sudah cukup baik dan layak digunakan dalam pnlitian. Hasil ujicoba instrumn dapat dilihat pada lampiran C Ts Kmampuan Prosdural dan Pmahaman Konsp Matmatis Ts untuk mngukur kmampuan prosdural dan pmahaman konsp matmatis siswa ini brupa soal-soal uraian. Pnyusunan soal diawali dngan pmbuatan kisi-kisi soal, kmudian mnulis soal dan kunci jawaban. Skor yang Anton Tirta Suganda, 01

8 38 dibrikan pada stiap jawaban siswa ditntukan brdasarkan pdoman pnskoran. Skor idal pada suatu butir soal ditntukan brdasarkan banyaknya tahapan yang harus dilalui pada soal trsbut. Untuk mngvaluasi kmampuan prosdural siswa digunakan sbuah pdoman pmbrian skor syang trtra pada tabl 3. brikut. Tabl 3. Pdoman Pmbrian Skor Untuk Prangkat Ts kmampuan Prosdural Skor Kritria Jawaban dan Alasan Tidak ada jawaban atau jawaban tidak ssuai dngan prtanyaan atau 0 tidak ada jawaban yang bnar Prosdur yang digunakan sbagaian bsar tidak tpat dan masih trdapat 1 prhitungan yang salah Sbagian bsar Prosdur yang digunakan sudah tpat, namun masih trdapat prhitungan yang salah Prosdur yang digunakan sudah hampir lngkap namun masih trdapat 3 sdikit ksalahan 4 Prosdur yang digunakan srta prhitungannya sudah lngkap dan bnar Diadaftasi dari Puspitasari (011) Sdangkan untuk mngvaluasi kmampuan pmahaman konsp matmatis siswa, digunakan sbuah pdoman pmbrian skor yang disbut Holistic Scal dari North Carolina Dpartmnt of Public Instruction tahun 1994 (Puspitasari, 011) sprti yang trlihat pada tabl 3.3. Tabl 3.3 Tabl Pdoman Pmbrian Skor Untuk Prangkat Ts kmampuan Pmahaman Matmatis Skor Kritria Jawaban dan Alasan Tidak ada jawaban atau jawaban tidak ssuai dngan prtanyaan atau tidak 0 ada jawaban yang bnar 1 Jawaban Sbagian bsar mngandung prhitungan yang salah Jawaban kurang lngkap (sbagian ptunjuk diikuti) pnggunaan algoritma salah namun mngandung prhitungan yang salah Jawaban hampir lngkap (sbagian ptunjuk diikuti) pnggunaan algoritma 3 hampir lngkap dan bnar, namun mngandung sdikit ksalahan Jawaban lngkap (hampir smua ptunjuk soal diikuti) pnggunaan algoritma 4 scara lngkap dan bnar, dan mlakukan prhitungan dngan bnar. Anton Tirta Suganda, 01

9 Validitas, Rliabilitas, Tingkat ksukaran, daya Pmbda Hasil Ujicoba Instrumn a. Validitas Instrumn Suatu soal atau st soal dikatakan valid bila soal-soal itu mngukur apa yang smstinya harus diukur (Rusffndi, 1991). Prhitungan validitas butir soal akan dilakukan dngan rumus korlasi Product Momnt (Rusffndi, 1991) yaitu : r { N N XY ( X )( Y) X ( X ) }{ NY ( Y) } Ktrangan: r = kofisin korlasi antara variabl X dan variabl Y N = banyaknya sampl X = nilai hasil uji coba Y = nilai harian Intrprtasi mngnai bsarnya kofisin korlasi mnurut Arikunto (00) sprti pada Tabl di bawah ini: Tabl 3.4 Intrprtasi Kofisin Korlasi Validitas Kofisin Korlasi Intrprtasi 0,80 r 1,00 Sangat tinggi xy 0,60 r 0,80 Tinggi xy 0,40 r 0,60 Cukup xy 0,0 r 0,40 Rndah xy r 0,0 Kurang xy Anton Tirta Suganda, 01

10 40 Butir soal dinyatakan signifikan apabila t hitung > t tabl. Brdasarkan hasil uji coba pada siswa klas XII IPA di Madrasah Prsis 99 rancabango, maka dilakukan uji validitas dngan bantuan Program Anats 4.0, hasil prhitungan slngkapnya dapat dilihat pada Lampiran C.3. Hasil uji validitas ini dapat dintrprtasikan dalam rangkuman yang disajikan pada Tabl 3.5. Nomor Soal Korlasi Tabl 3.5 Uji Validitas Ts Kmampuan Prosdural Intrprtasi Validitas Signifikansi 1 0,838 Sangat tinggi Sangat signifikan 0,890 Sangat tinggi Sangat signifikan 3 0,86 Sangat tinggi Sangat Signifikan 4 0,747 Tinggi Sangat signifikan 5 0,60 Tinggi Signifikan Dari lima butir soal yang digunakan untuk mnguji kmampuan prosdural trsbut brdasarkan kritria validitas ts, dari klima butir soal trsbut, dua soal mmiliki validitas yang tinggi (soal no.4 dan soal no.5), dan sisanya mmiliki validitas yang sangat tinggi (soal no.1, soal no. dan soal no.3). Slanjutnya mlalui uji validitas dngan Anats 4.0, diprolh hasil uji validitas ts kmampuan Pmahaman konsp matmatis yang dapat dintrprtasikan dalam rangkuman yang disajikan pada Tabl 3.6. Tabl 3.6 Uji Validitas Ts Pmahaman Konsp Matmatis Nomor Intrprtasi Korlasi Signifikansi Soal Validitas 1 0,897 Sangat tinggi Sangat Signifikan Anton Tirta Suganda, 01

11 41 0,797 Tinggi Sangat Signifikan 3 0,655 Tinggi Signifikan 4 0,808 Sangat tinggi Sangat Signifikan 5 0,744 Tinggi Sangat Signifikan 6 0,764 Tinggi Sangat Signifikan Dari nam butir soal yang digunakan untuk mnguji kmampuan pmahaman konsp matmatis trsbut brdasarkan kritria validitas ts, diprolh dua soal (soal nomor 1 dan 4) yang mmpunyai validitas sangat tinggi, dan mpat soal sisanya mmpunyai validitas tinggi. Rliabilitas mrupakan drajat konsistnsi atau kajgan data dalam intrval waktu trtntu. Mnurut Arifin (009) suatu ts dapat dikatakan rliabl jika slalu mmbrikan hasil yang sama bila ditskan pada waktu dan ksmpatan yang brbda. Rliabl soal mrupakan ukuran yang mnyatakan tingkat kajgan suatu soal ts. Untuk mngukurnya digunakan prhitungan rabilitas mnurut Arikunto (010). Rumus yang digunakan dinyatakan dngan n i 11 1 n 1 t r Ktrangan : r 11 n i = rliabilitas instrumn = banyak butir soal = jumlah variansi skor tiap butir itm/soal t = variansi total dngan σ i = X ( X) N N Anton Tirta Suganda, 01

12 4 σ t = X t ( X t) N N Ktrangan : X X = jumlah kuadrat dari jawaban yang bnar = jumlah jawaban bnar N = jumlah subjk ( X t ) = kuadrat jumlah total dari skor X t = jumlah total dari skor Untuk mngintrprtasikan kofisin rliabilitas yang mnyatakan drajat kandalan alat valuasi dapat digunakan tolak ukur yang dittapkan olh J.P. Guilford (Suhrman, 003) sprti pada Tabl 3.7. Tabl 3.7 Intrprtasi Kofisin Korlasi Rliabilitas Kofisin Korlasi Intrprtasi 0,90 r 11 1,00 Sangat tinggi 0,70 r 11 <0,90 0,40 r 11 <0,70 0,0 r 11 <0,40 r 11 <0,0 Tinggi Sdang Rndah Sangat rndah Brdasarkan hasil uji coba rliabilitas butir soal scara ksluruhan untuk t untuk ts kmampuan prosdural diprolh nilai tingkat rliabilitas sbsar 0,83, shingga dapat diintrprtasikan bahwa soal ts kmampuan prosdural Anton Tirta Suganda, 01

13 43 mmpunyai rliabilitas yang stinggi sdangkan untuk ts pmahaman konsp matmatis diprolh nilai tingkat rliabilitas sbsar 0,81, shingga dapat diintrprtasikan bahwa soal ts pmahaman konsp matmatis mmpunyai rliabilitas yang tinggi. b. Analisis Tingkat Ksukaran Kita prlu mnganalisis butir soal pada instrumn untuk mngtahui tingkat ksukaran dalam butir soal yang kita buat. Arikunto (00: 07) mngungkapkan bahwa soal ts hasil blajar dapat dinyatakan sbagai butir-butir soal yang baik, apabila butir-butir soal trsbut tidak trlalu sukar dan tidak pula trlalu mudah. Dngan kata lain tingkat ksukarannya sdang atau cukup. Tingkat ksukaran pada masing-masing butir soal dihitung dngan mnggunakan rumus: IK S J A A S J B B ktrangan: IK S A S B J A J B = indks tingkat ksukaran = jumlah skor klompok atas = jumlah skor klompok bawah = jumlah skor idal klompok atas = jumlah skor idal klompok bawah Kritria pnafsiran harga Indks Ksukaran suatu butir soal mnurut Suhrman dan Sukjaya (1990 : 13) adalah sprti pada Tabl.3.8 brikut: Tabl 3.8 Kritria Tingkat Ksukaran Tingkat Ksukaran Intrprtasi Anton Tirta Suganda, 01

14 44 0% - 15% Sangat sukar 16% - 30% Sukar 31% - 70 % Sdang 71% - 85% Mudah 86% - 100% Sangat mudah Dari hasil prhitungan dngan mnggunakan Anats Vrsi 4.0. diprolh tingkat ksukaran tiap butir soal ts kmampuan prosdural dan pmahaman konsp matmatis yang trangkum dalam Tabl 3.9. Tabl 3.9 Tingkat Ksukaran Butir Ts Kmampuan Pmahaman Konsp matmatis dan Kmampuan Prosdural Ts Nomor Soal Tingkat Ksukaran Intrprtasi Kmampuan Pmahaman Konsp Matmatis Kmampuan Prosdural 1 79,17% Mudah 66,67% Sdang 3 50,00% Sdang 4 50,00% Sdang 5 37, 50% Sdang 6 16,67% Sukar 1 66,67% Sdang 54,17% Sdang 3 79, 17% Mudah 4 5, 00% Sukar 5 37,50% Sdang Dari Tabl 3.9 dapat dilihat bahwa untuk soal ts pmahaman konsp matmatis yang trdiri dari nam butir soal, trdapat satu buah soal dngan tingkat ksukaran yang mudah, yaitu soal nomor.1 dan mpat buah soal yang mmiliki tingkat ksukaran sdang, srta satu soal yang mmiliki tingkat ksukaran sukar yaitu soal nomor 6. Sdangkan untuk soal ts kmampuan prosdural matmatis Anton Tirta Suganda, 01

15 45 yang trdiri dari lima butir soal, trdapat tiga buah soal dngan tingkat ksukaran sdang yaitu soal nomor 1, nomor, dan soal nomor 5, satu butir soal dngan tingkat ksukaran mudah yaitu soal nomor 3 dan satu butir soal dngan tingkat ksukaran sukar yaitu nomor 4. c. Analisis Daya pmbda Mnurut Rusffndi (1991) daya pmbda adalah korlasi antara skor jawaban trhadap sbuah butiran soal dngan skor jawaban sluruh soal. Daya pmbda tiap itm ts pada pnlitian ini diukur mnggunakan rumus yang dikmukakan olh Rusffndi (1991) sbagai brikut : Ktrangan : DP = B a B b 1 4 N B a = jumlah siswa klompok atas yang mnjawab bnar B b = jumlah siswa klompok bawah yang mnjawab bnar N = jumlah skor ksluruhan Adapun klasifikasi indks daya pmbda suatu soal pada pnlitian ini, diintrprtasikan dngan mngikuti pdoman yang dikmukakan olh Suhrman dan Sukjaya (1990) sbagai brikut: Daya Pmbda Tabl Klasifikasi Daya Pmbda Evaluasi Butiran Soal 0,70 < DP 1,00 Sangat baik Anton Tirta Suganda, 01

16 46 0,40 < DP 0,70 Baik 0,0 < DP 0,40 Cukup 0,00 < DP 0,0 Jlk DP 0,00 Sangat buruk Daya pmbda mnunjukkan kmampuan soal trsbut mmbdakan antara siswa yang pandai (trmasuk dalam klompok unggul) dngan siswa yang kurang pandai (trmasuk klompok asor). Suatu prangkat alat ts yang baik harus bisa mmbdakan antara siswa yang pandai, rata-rata, dan yang kurang pandai karna dalam suatu klas biasanya trdiri dari tiga klompok trsbut. Shingga hasil valuasinya tidak baik smua atau sbaliknya buruk smua, ttapi haruslah brdistribusi normal, maksudnya siswa yang mndapat nilai baik dan siswa yang mndapat nilai buruk ada (trwakili) mskipun sdikit, bagian trbsar brada pada hasil cukup. Pross pnntuan klompok unggul dan klompok asor ini adalah dngan cara trlbih dahulu mngurutkan skor total stiap siswa mulai dari skor trtinggi sampai dngan skor trndah (mnggunakan Anats Vrsi 4.0). Hasil prhitungan daya pmbda untuk ts kmampuan prosdural dan pmahaman konsp matmatis disajikan dalam Tabl Tabl 3.11 Daya Pmbda Ts Kmampuan Pmahaman konsp Matmatis dan Kmampuan Prosdural Ts Nomor Soal Indks Daya Pmbda Intrprtasi Kmampuan Pmahaman Matmatis 1 41,67 % Baik 33,33 % Cukup 3 33,33 % Cukup Anton Tirta Suganda, 01

17 47 Kmampuan Prosdural 4 33,33% Cukup 5 41,67 % Cukup 6 33,33% Cukup 1 33,33 % Cukup 41,67% Baik 3 41,67% Baik 4 33,33% Cukup 5 5,00 % Cukup Dari tabl di atas dapat dilihat bahwa untuk soal ts pmahaman konsp matmatis yang trdiri dari nam butir soal, trdapat satu butir soal yang daya pmbdanya baik yaitu soal nomor 1, sdangkan soal nomor, 3, 4, 5, 6 daya pmbdanya cukup. Slanjutnya, untuk soal ts kmampuan prosdural trdapat dua butir soal yang daya pmbdanya baik yaitu soal nomor dan soal nomor 3, sdangkan soal nomor 1, 4, dan 5 masing-masing daya pmbdanya cukup Instrumn Skala Sikap Skala sikap yang digunakan dalam pnlitian ini brtujuan untuk mngtahui sikap siswa trhadap pmblajaran matmatika, pmblajaran dngan pndkatan Brain-Basd Larning, srta soal-soal pmahaman dan Prosdural Instrumn skala sikap dalam pnlitian ini trdiri dari 0 butir prtanyaan dan dibrikan kpada siswa klas BBL stlah smua kgiatan pmblajaran brakhir yaitu stlah posts. Instrumn skala sikap scara lngkap dapat dilihat pada Lampiran B.3. Modl skala yang digunakan adalah modl skala Likrt. Drajat pnilaian trhadap suatu prnyataan trsbut trbagi k dalam 5 katgori, yaitu : sangat stuju (SS), stuju (S), Ntral (N), tidak stuju (TS), dan sangat tidak stuju Anton Tirta Suganda, 01

18 48 (STS). Dalam mnganalisis hasil skala sikap, skala kualitatif trsbut ditransfr k dalam skala kuantitatif. Pmbrian nilainya dibdakan antara prnyataan yang brsifat ngatif dngan prnyataan yang brsifat positif. Untuk prnyataan yang brsifat positif, pmbrian skornya adalah SS dibri skor 5, S dibri skor 4, N dibri skor 3, TS dibri skor, dan STS dibri skor 1. Sdangkan untuk prnyataan ngatif, pmbrian skornya adalah SS dibri skor 1, S dibri skor, N dibri skor 3, TS dibri skor 4, dan STS dibri skor 5. Langkah prtama dalam mnyusun skala sikap adalah mmbuat kisi-kisi. Kmudian mlakukan uji validitas isi butir prnyataan dngan mminta prtimbangan tman-tman mahasiswa Pascasarjana UPI dan slanjutnya dikonsultasikan dngan dosn pmbimbing, mngnai isi dari skala sikap shingga skala sikap yang dibuat ssuai dngan indikator-indikator yang tlah ditntukan srta dapat mmbrikan informasi-informasi yang dibutuhkan. Slanjutnya, dilakukan juga uji validitas skala sikap ini kpada bbrapa orang siswa (klompok trbatas) sbanyak dlapan orang dalam mlihat ktrbacaan kalimat-kalimat dalam angkt trsbut. Untuk mngtahui sikap siswa, siswa mmpunyai sikap positif atau ngatif, maka rrata skor stiap siswa dibandingkan dngan skor ntral trhadap stiap butir skor, indikator dan klasifikasinya. Bila rrata skor sorang siswa lbih kcil dari skor ntral, artinya siswa mmpunyai sikap ngatif, sdangkan bila rrata skor sorang siswa lbih bsar dari skor ntral, artinya siswa mmpunyai sikap positif Lmbar Obsrvasi Anton Tirta Suganda, 01

19 49 Lmbar obsrvasi digunakan untuk mngumpulkan smua data tntang aktivitas siswa dan guru dalam pmblajaran, intraksi antara siswa dngan guru srta intraksi antar siswa dngan siswa dalam pmblajaran dngan Pndkatan Brain-Basd Larning. Lmbar obsrvasi trdiri atas dua bagian, yaitu lmbar obsrvasi aktivitas guru dan aktivitas siswa. Pnliti brtindak sbagai plaksana langsung pmblajaran dngan Pndkatan Brain-Basd Larning. Pngamatan trhadap aktivitas siswa dan guru dilakukan olh guru matmatika di skolah trsbut Bahan Ajar Bahan ajar yang digunakan dalam pnlitian ini adalah Rncana Plaksanaan Pmblajaran (RPP). RPP disusun sbagai panduan bagi pnliti dan guru dalam mlaksanakan pmblajaran. Dalam pnlitian ini diimplmntasikan pmblajaran dngan Pndkatan Brain-Basd Larning. Olh karna itu bahan ajar yang digunakan juga dirancang dan dikmbangkan ssuai dngan karaktristik dari pmblajaran dngan Pndkatan Brain-Basd Larning, srta pnyusunannya dngan mmprtimbangkan kmampuan yang ingin dicapai, yaitu kmampuan prosdural dan pmahaman konsp matmatis. Rncana Plaksanaan Pmblajaran dan LKS dapat dilihat scara lngkap pada Lampiran A1 dan A Tknik Pngumpulan Data Data dalam pnlitian ini akan dikumpulkan mlalui ts, lmbar obsrvasi, dan angkt skala sikap. Data yang brkaitan dngan kmampuan prosdural dan pmahaman konsp matmatis siswa dikumpulkan mlalui ts (prts dan posts). Sdangkan data yang brkaitan dngan sikap siswa dalam Anton Tirta Suganda, 01

20 50 pmblajaran matmatika dngan Pndkatan Brain-Basd Larning. dikumpulkan mlalui angkt skala sikap siswa. 3.6 Tknik Analisis Data Sprti diuraikan diatas, pada pnlitian ini ada dua jnis data yang diprolh, yaitu data kuantitatif (data yang didapat mlalui ts awal dan akhir) dan data kualitatif (data yang didapat mlalui angkt). Plaksanaan analisis data dari kdua jnis data trsbut adalah sbagai brikut: a. Analisis Data Ts kmampuan prosdural dan Pmahaman konsp matmatis siswa Data yang diprolh dari ts yang digunakan pada ts awal dan ts akhir mrupakan data kuantitatif. Untuk mnganalisis data kuantitatif trsbut digunakan tknik analisis statistik paramtrik. Langkah-langkah plaksanaan analisis data trsbut adalah sbagai brikut: a.1. Analisis Ksamaan Rrata Prts Analisis ksamaan rrata ts awal kmampuan prosdural dan pmahaman konsp matmatis siswa pada klas ksprimn dan klas kontrol dilakukan dngan cara mnguji rrata skor ts awal kdua klompok. Analisis ksamaan rrata ts awal ini brtujuan untuk mngtahui kmampuan awal kmampuan prosdural dan pmahaman konsp matmatis siswa sblum mndapat pmblajaran matmatika dngan mnggunakan pndkatan Brain-Basd Larning. Anton Tirta Suganda, 01

21 51 Sblum mlakukan pngujian harus dipriksa trlbih dahulu normalitas dan homognitas dari data ts awal kdua klompok trsbut, pngujiannya adalah sbagai brikut: 1. Uji Normalitas Prts Uji normalitas data ts awal dari klompok siswa yang dibri pndkatan Brain- Basd Larning dan siswa yang dibri pmblajaran konvnsional atau klas ksprimn dan klas kontrol, diantaranya dapat mnggunakan mtod khi kuadrat dngan mnggunakan rumus: k ( fo ) i1 f f Ktrangan : f 0 = frkunsi obsrvasi f = frkunsi kspktasi Pngujian normalitas dilakukan dngan taraf signifikan ( ) sbsar 0.05 dan drajat kbbasan (dk) = k-1, dngan kritria pngujiannya adalah sbagai brikut: Rumusan hipotsisnya adalah sbagai brikut: H 0 : Data brdistribusi normal H 1 : Data tidak brdistribusi normal jika hitung > tabl, artinya H 0 ditolak dan H 1 ditrima. jika hitung tabl, artinya H 0 ditrima dan H 1 ditolak. Anton Tirta Suganda, 01

22 5 Karna hitung tabl, artinya H 0 ditrima dan H 1 ditolak, artinya baik klompok ksprimn maupun klompok kontrol brdistribusi normal.. Uji Homognitas Prts Stlah mlakukan pngujian normalitas ts awal, slanjutnya di uji homognitas dari kdua data yang diprolh dari klompok yang dibrikan pmblajaran dngan pndkatan Brain-Basd Larning dan pmblajaran konvnsional atau klas ksprimn dan klas kontrol, dalam hal ini mnggunakan rumus : F itung = V arians trbsar V arians trkcil Pngujian varian ini dilakukan pada taraf signifikan ( ) sbsar 0,05 dngan drajat kbbasan dk pmbilang = n-1, dan dk pnybut = n-1 dan brtujuan untuk mnntukan nilai F tabl, dngan kritria pngujian sbagai brikut: Rumusan Hipotsisnya adalah sbagai brikut: 1 0 : H ; kdua variansi sama 1 H ; kdua variansi tidak sama 1 : jika F > F tabl, artinya H 0 ditolak dan H 1 ditrima. hitung jika F F tabl, artinya H 0 ditrima dan H 1 ditolak. hitung Anton Tirta Suganda, 01

23 53 Karna F F tabl,maka H 0 ditrima dan H 1 ditolak, artinya kdua klas hitung trsbut homogn. 3. Uji Ksamaan Rrata Prts Karna data kdua klompok brdistribusi normal dan variansnya homogn, maka analisis dilanjutkan dngan uji ksamaan dua rrata. Tujuannya adalah untuk mngtahui kmampuan awal siswa pada klas BBL dan klas konvnsional trhadap matri yang akan diplajari, yaitu matri trigonomtri. Rumusan hipotsisnya adalah: 1. Kmampuan Prosdural Siswa H : 0 1 ; Tidak trdapat prbdaan rrata kmampuan awal kmampuan prosdural siswa klas BBL dan klas konvnsional. H 1 : 1 ; Trdapat prbdaan rrata kmampuan awal kmampuan prosdural siswa klas BBL dan klas konvnsiona.. Kmampuan Pmahaman konsp Matmatis Siswa H : 0 1 ; Tidak trdapat prbdaan rrata kmampuan awal pmahaman konsp matmatis siswa klas BBL dan klas konvnsional. H ; Trdapat prbdaan rrata kmampuan awal pmahaman konsp 1 : 1 matmatis siswa klas BBL dan klas konvnsional. Statistik yang digunakan untuk mnguji hipotsis di atas adalah dngan statistik uji-t sbagai brikut: Anton Tirta Suganda, 01

24 54 Mnghitung nilai rrata x : x f i f x i i Statistik uji-t: t k ; s x x 1 1 n n k dngan simpangannya: s n 1s n 1 n n k k s k Ktrangan: x = rrata skor pada klas ksprimn x k = rrata skor pada klas kontrol s = dviasi standar gabungan s = varians klompok ksprimn s k = varians klompok kontrol n n k = banyaknya siswa pada klompok ksprimn = banyaknya siswa pada klompok kontrol Kritria pngujian: jika t hitung > t tabl, artinya H 0 ditolak dan H 1 ditrima Anton Tirta Suganda, 01

25 55 jika t hitung t tabl, artinya H 0 ditrima dan H 1 ditolak karna t hitung t tabl, maka H 0 ditrima dan H 1 ditolak. Artinya kmampuan awal klas BBL dan klas konvnsional sama. a.. Analisis Ksamaan Rrata Posts Untuk mnganalisis ksamaan rrata ts akhir yang diprolh kdua klompok, dapat dilakukan dngan mnghitung skor rrata ts akhir klas ksprimn dan klas kontrol. Analisis ksamaan rrata ts akhir ini brtujuan untuk mngtahui kmampuan akhir atau prolhan kmampuan prosdural dan pmahaman konsp matmatis siswa stlah mndapat pmblajaran matmatika dngan mnggunakan pmblajaran dngan pndkatan Brain-Basd Larning dan pmblajaran konvnsional. Rumusan hipotsisnya adalah: a. Kmampuan prosdural Siswa H : 0 1 ; Tidak trdapat prbdaan kmampuan prosdural siswa yang mmprolh pmblajaran matmatika dngan mnggunakan pndkatan Brain-Basd Larning dngan siswa yang mmprolh pmblajaran konvnsional. H ; Trdapat prbdaan kmampuan prosdural antara siswa yang 1 : 1 mmp[rolh pmblajaran matmatika dngan pndkatan Anton Tirta Suganda, 01

26 56 Brain-Basd Larning dngan siswa yang mndapat pmblajaran konvnsional. b. Kmampuan Pmahaman Konsp Matmatis Siswa H ; Tidak trdapat prbdaan kmampuan pmahaman konsp : 0 1 matmatis siswa yang mmprolh pmblajaran matmatika dngan mnggunakan pndkatan Brain-Basd Larning dngan siswa yang mmprolh pmblajaran konvnsional. H 1 : 1 ; Trdapat prbdaan kmampuan prosdural antara siswa yang mmp[rolh pmblajaran matmatika dngan pndkatan Brain-Basd Larning dngan siswa yang mndapat pmblajaran konvnsional. Stlah data yang diprolh dari hasil ts awal dan ts akhir dianalisis, bsarnya mutu pningkatan kmampuan prosdural dan pmahaman konsp matmatis siswa sblum dan ssudah pmblajaran dihitung dngan mnggunakan rumus gain trnormalisasi (normalizd gain), sbagai brikut: Gain trnormalisasi (N-g) = skor posts skor prts skor idal skor prts, (Mltzr, 00) Dngan kritria indks gain sprti yang dikmukakan olh Hak (1999) sprti pada Tabl 3.1 dibawah ini. Anton Tirta Suganda, 01

27 57 Tabl 3.1. Kritria Skor Gain Trnormalisasi Skor Gain Intrprtasi g > 0,7 Tinggi 0,3 < g 0,7 Sdang g 0,3 Rndah a.3. Analisis Gain Skor Trnormalisasi (N-Gain) Rumusan hipotsisnya adalah: a. Kmampuan prosdural Siswa H : 0 1 ; Tidak trdapat prbdaan pningkatan kmampuan prosdural siswa yang mmprolh pmblajaran matmatika dngan mnggunakan pndkatan Brain-Basd Larning dngan siswa yang mmprolh pmblajaran konvnsional. H 1 : 1 ; Pningkatan kmampuan Prosdural siswa yang mndapatkan pmblajaran dngan Pndkatan Brain-Basd Larning lbih baik daripada siswa yang mndapat pmblajaran konvnsional. c. Kmampuan Pmahaman Konsp Matmatis Siswa H : 0 1 ; Tidak trdapat prbdaan pningkatan kmampuan pmahaman konsp matmatis siswa yang mmprolh pmblajaran matmatika dngan mnggunakan pndkatan Brain-Basd Anton Tirta Suganda, 01

28 58 Larning dngan siswa yang mmprolh pmblajaran konvnsional. H 1 : 1 ;Pningkatan kmampuan pmahaman konsp matmatis siswa yang mndapatkan pmblajaran dngan pndkatan Brain-Basd Larning lbih baik daripada siswa yang mndapat pmblajaran konvnsional. Untuk mngtahui bnar tidaknya pningkatan kmampuan prosdural dan pmahaman konsp klas BBL lbih baik dibanding klas konvnsional, prlu diuji scara statistik. Pngujian sama atau tidaknya dua nilai rrata gain trnormalisasi dilakukan dngan uji t dngan syarat datanya brdistribusi normal dan kdua variansnya homogn. 3.7 Data Non-Ts Data skala sikap brguna untuk mngtahui kualitas sikap sikap siswa trhadap pmblajaran Matmatika dngan pndkatan Brain-Basd Larning srta soalsoal kmampuan Prosdural dan Pmahaman Konsp matmatis dilakukan dngan brpdoman pada skala Likrt. Dalam mnganalisis hasil angkt, data kualitatif yang tlah diprolh dirubah dulu kdalam data kuantitatif. Slanjutnya untuk mngtahui bsarnya prsntas dari stiap prnyataan yang tlah dipilih ol siswa, digunakan rumus sbagai brikut: Ktrangan: p = f 0 n 100% Anton Tirta Suganda, 01

29 59 p = prsntas jawaban n= jumlah total siswa f 0 = jumlah frkunsi altrnatif jawaban Sumbr : Riduan (004:135) Untuk mngtahui sikap siswa, siswa mmpunyai sikap positif atau ngatif, maka rrata skor stiap siswa dibandingkan dngan skor ntral trhadap stiap butir skor, indikator dan klasifikasinya. Bila rrata skor sorang siswa lbih kcil dari skor ntral, artinya siswa mmpunyai sikap ngatif. Sdangkan bila rrata skor sorang siswa lbih bsar dari skor ntral, artinya siswa mmpunyai sikap positif. Data hasil obsrvasi digunakan untuk mlihat gambaran aktivitas siswa dan guru slama pmblajaran brlangsung. Tujuannya adalah untuk dapat mmbrikan rflksi pada pross pmblajaran, agar pmblajaran brikutnya dapat mnjadi lbih baik daripada pmblajaran sblumnya dan ssuai dngan sknario yang tlah dibuat 3.8 Lokasi Pnlitian Pnlitian ini akan dilaksanakan di Madrasah Psantrn Prsatuan Islam 99 Rancabango yang ada di kota Garut, Propinsi Jawa Barat. Pnlitian dilaksanakan di klas X (spuluh) smstr gnap tahun plajaran 011/01 dngan alasan bahwa siswa klas X trsbut sbagian bsar ktika Tsanawiyahnya brasal dari Madrasah Tsanawiyah Prsis 99 Rancabango juga. Anton Tirta Suganda, 01

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. DESKRIPSI DATA Data pnlitian diprolh dari siswa klas XII Jurusan Tknik Elktronika Industri SMK Ma arif 1 kbumn. Data variabl pngalaman praktik industri, kmandirian

Lebih terperinci

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST) UJI CHI KUADRAT PENDAHULUAN Distribusi chi kuadrat mrupakan mtod pngujian hipotsa trhadap prbdaan lbih dari proporsi. Contoh: manajr pmasaran suatu prusahaan ingin mngtahui apakah prbdaan proporsi pnjualan

Lebih terperinci

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3, Kpdulian trhadap sanitasi lingkungan diprdiksi dari tingkat pndidikan ibu dan pndapatan kluarga pada kluarga sjahtra I klurahan Krtn kcamatan Lawyan kota Surakarta Olh : Bustanul Arifin K.39817 BAB IV

Lebih terperinci

HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api.

HASIL DAN PEMBAHASAN. Gambar 3 Proses penentuan perilaku api. 6 yang diharapkan. Msin infrnsi disusun brdasarkan stratgi pnalaran yang akan digunakan dalam sistm dan rprsntasi pngtahuan. Msin infrnsi yang digunakan dalam pngmbangan sistm pakar ini adalah FIS. Implmntasi

Lebih terperinci

PENGARUH MODEL PROBLEM BASED LEARNING (PBL) TERHADAP HASIL BELAJAR SISWA PADA MATERI POKOK OPTIKA GEOMETRIS

PENGARUH MODEL PROBLEM BASED LEARNING (PBL) TERHADAP HASIL BELAJAR SISWA PADA MATERI POKOK OPTIKA GEOMETRIS PENGARUH MODEL PROBLEM BASED LEARNING (PBL) TERHADAP HASIL BELAJAR SISWA PADA MATERI POKOK OPTIKA GEOMETRIS Rani Dliana Panggaban 1 dan Pintor Simamora 1 Alumni Mahasiswa Program Studi Pndidikan Fisika

Lebih terperinci

PENGARUH MODEL ROLE PLAYING BERBASIS PERMAINAN TRADISIONAL BALI TERHADAP KETERAMPILAN BERBICARA PADA MATA PELAJARAN BAHASA INDONESIA SISWA KELAS III

PENGARUH MODEL ROLE PLAYING BERBASIS PERMAINAN TRADISIONAL BALI TERHADAP KETERAMPILAN BERBICARA PADA MATA PELAJARAN BAHASA INDONESIA SISWA KELAS III Jurusan PGSD Vol: 4 No: Tahun: 06 PENGARUH MODEL ROLE PLAYING BERBASIS PERMAINAN TRADISIONAL BALI TERHADAP KETERAMPILAN BERBICARA PADA MATA PELAJARAN BAHASA INDONESIA SISWA KELAS III Kadk Yuda wibawa,

Lebih terperinci

MINAT SISWA TERHADAP EKSTRAKURIKULER OLAHRAGA BOLA VOLI DI SMA N 2 KABUPATEN PACITAN

MINAT SISWA TERHADAP EKSTRAKURIKULER OLAHRAGA BOLA VOLI DI SMA N 2 KABUPATEN PACITAN Artikl Skripsi MINAT SISWA TERHADAP EKSTRAKURIKULER OLAHRAGA BOLA VOLI DI SMA N 2 KABUPATEN PACITAN SKRIPSI Diajukan Untuk Mmnuhi Sbagian Syarat Guna Mmprolh Glar Sarjana Pndidikan (S.Pd.) Pada Jurusan

Lebih terperinci

II. LANDASAN TEORI. digunakan sebagai landasan teori pada penelitian ini. Teori dasar mengenai graf

II. LANDASAN TEORI. digunakan sebagai landasan teori pada penelitian ini. Teori dasar mengenai graf II. LANDASAN TEORI 2.1 Konsp Dasar Graf Pada bagian ini akan dibrikan konsp dasar graf dan dimnsi partisi graf yang digunakan sbagai landasan tori pada pnlitian ini. Tori dasar mngnai graf yang akan digunakan

Lebih terperinci

model pengukuran yang menunjukkan ukur Pengukuran dalam B. Model Mode sama indikator dan 1 Pag

model pengukuran yang menunjukkan ukur Pengukuran dalam B. Model Mode sama indikator dan 1 Pag Modl Modl Pngukuran dalam Pmodlan Prsamaan Struktural Wahyu Widhiarso Fakultas Psikologi UGM Tulisan ini akan mmbahas bbrapa modl dalam SEM yang unik. Dikatakan unik karna jarang dipakai. Tulisan hanya

Lebih terperinci

1. Proses Normalisasi

1. Proses Normalisasi BAB IV PEMBAHASAN A. Pr-Procssing Pross pngolahan signal PCG sblum dilakukan kstaksi dan klasifikasi adalah pr-procssing. Signal PCG untuk data training dan data tsting trdapat dalam lampiran 5 (halaman

Lebih terperinci

Analisis Dinamis Portal Bertingkat Banyak Multi Bentang Dengan Variasi Tingkat (Storey) Pada Tiap Bentang

Analisis Dinamis Portal Bertingkat Banyak Multi Bentang Dengan Variasi Tingkat (Storey) Pada Tiap Bentang Analisis Dinamis Portal Brtingkat Banyak Multi Bntang Dngan Variasi Tingkat (Story) Pada Tiap Bntang Hiryco Manalip Rky Stnly Windah Jams Albrt Kaunang Univrsitas Sam Ratulangi Fakultas Tknik Jurusan Sipil

Lebih terperinci

PENGARUH KONSELING KELOMPOK TERHADAP PENINGKATAN SELF REGULATION SISWA KELAS X JURUSAN TEKNIK KOMPUTER DAN JARINGAN SMK MUHAMMADIYAH 2 PEKANBARU

PENGARUH KONSELING KELOMPOK TERHADAP PENINGKATAN SELF REGULATION SISWA KELAS X JURUSAN TEKNIK KOMPUTER DAN JARINGAN SMK MUHAMMADIYAH 2 PEKANBARU PENGARUH KONSELING KELOMPOK TERHADAP PENINGKATAN SELF REGULATION SISWA KELAS X JURUSAN TEKNIK KOMPUTER DAN JARINGAN SMK MUHAMMADIYAH 2 PEKANBARU Novi Frlinita Sari 1, Tri Umari 2, Abu Asyari 3 Email :

Lebih terperinci

Aplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan

Aplikasi Integral. Panjang sebuah kurva w(y) sepanjang selang dapat ditemukan menggunakan persamaan Aplikasi Intgral Intgral dapat diaplikasikan k dalam banyak hal. Dari yang sdrhana, hingga aplikasi prhitungan yang sangat komplks. Brikut mrupakan aplikasi-aplikasi intgral yang tlah diklompokkan dalam

Lebih terperinci

Journal of Primary Education

Journal of Primary Education JPE 1 (1) (01) Journal of Primary Education http://journal.unns.ac.id/sju/indx.php/jp PENGEMBANGAN PERANGKAT PEMBELAJARAN IPA FISIKA DENGAN PENDEKATAN PHYSICS-EDUTAINMENT BERBANTUAN CD PEMBELAJARAN INTERAKTIF

Lebih terperinci

GAMBARAN PELATIHAN KETERAMPILAN OTOMOTIF DI BALAI LATIHAN KERJA INDUSTRI (BLKI), KOTA PADANG. Bobby Satria

GAMBARAN PELATIHAN KETERAMPILAN OTOMOTIF DI BALAI LATIHAN KERJA INDUSTRI (BLKI), KOTA PADANG. Bobby Satria GAMBARAN PELATIHAN KETERAMPILAN OTOMOTIF DI BALAI LATIHAN KERJA INDUSTRI (BLKI), KOTA PADANG Bobby Satria Program Studi Pndidikan Luar Skolah FIP Univrsitas Ngri Padang Email: satriab234@yahoo.co.id Absract

Lebih terperinci

Integral Fungsi Eksponen, Fungsi Trigonometri, Fungsi Logaritma

Integral Fungsi Eksponen, Fungsi Trigonometri, Fungsi Logaritma Modul Intgral Fungsi Eksponn, Fungsi Trigonomtri, Fungsi Logaritma Dr. Subanar D PENDAHULUAN alam mata kuliah Kalkulus I Anda tlah mngnal bahwa intgrasi adalah pross balikan dari difrnsiasi. Jadi untuk

Lebih terperinci

HUBUNGAN ANTARA KELOMPOK UMUR, JENIS KELAMIN DAN JENIS PEKERJAAN PADA PENDERITA HIV/AIDS DI KABUPATEN BANYUMAS

HUBUNGAN ANTARA KELOMPOK UMUR, JENIS KELAMIN DAN JENIS PEKERJAAN PADA PENDERITA HIV/AIDS DI KABUPATEN BANYUMAS 18Novmbr 17 Tma 7: Ilmu-Ilmu Murni (Matmatika, Fisika, Kimia dan Biologi) HUBUNGAN ANTARA KELOMPOK UMUR, JENIS KELAMIN DAN JENIS PEKERJAAN PADA PENDERITA HIV/AIDS DI KABUPATEN BANYUMAS Olh Agung Prabowo

Lebih terperinci

Pemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pasca Sarjana ITS dengan Regresi Logistik dan Neural Network

Pemodelan Faktor-faktor yang Mempengaruhi Prestasi Mahasiswa Pasca Sarjana ITS dengan Regresi Logistik dan Neural Network JURNAL SAINS DAN SENI ITS Vol., No., (Spt. 202) ISSN: 230-928X D-36 Pmodlan Faktor-faktor yang Mmpngaruhi Prstasi Mahasiswa Pasca Sarjana ITS dngan Rgrsi Logistik dan Nural Ntwork Wijdani Anindya Hadi

Lebih terperinci

Khairul Amdanidan Fransisca A. A. S. Jurusan Fisika FMIPA Universitas Negeri Medan ABSTRAK

Khairul Amdanidan Fransisca A. A. S. Jurusan Fisika FMIPA Universitas Negeri Medan ABSTRAK PENGARUH MODEL PEMBELAJARAN KOPERATIF TIPEGROUP INVESTIGATION(GI)TERHADAP HASIL BELAJAR SISWA PADAMATERIPOKOK BESARAN DAN SATUAN DI KELAS X SEMESTER I SMA NEGERI 1 SIPOHOLON T. P. 2013/2014 Khairul Amdanidan

Lebih terperinci

PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN

PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN JIMT ol. 9 No. 1 Juni 01 (Hal. 16 8) Jurnal Ilmiah Matmatika dan Trapan ISSN : 450 766X PELABELAN TOTAL SISI ANTI AJAIB SUPER (PTSAAS) PADA GABUNGAN GRAF BINTANG GANDA DAN LINTASAN Nurainun 1, S. Musdalifah,

Lebih terperinci

Susda Heleni ABSTRACT. Keywords: Reciprocal Teaching, Cooperative Learning, STAD ABSTRAK

Susda Heleni ABSTRACT. Keywords: Reciprocal Teaching, Cooperative Learning, STAD ABSTRAK PENERAPAN RECIPROCAL TEACHING DALAM MODEL PEMBELAJARAN KOOPERATIF TIPE STAD UNTUK MENINGKATKAN HASIL BELAJAR MAHASISWA PADA MATA KULIAH KALKULUS I THE IMPLEMENTATION OF RECIPROCAL TEACHING ON COOPERATIVE

Lebih terperinci

PENGEMBANGAN BAHAN AJAR FISIKA BERBASIS MASALAH UNTUK MENUMBUHKAN HIGHER ORDER THINKING SKILL (HOTS) SISWA KELAS X POKOK BAHASAN FLUIDA STATIS

PENGEMBANGAN BAHAN AJAR FISIKA BERBASIS MASALAH UNTUK MENUMBUHKAN HIGHER ORDER THINKING SKILL (HOTS) SISWA KELAS X POKOK BAHASAN FLUIDA STATIS PENGEMBANGAN BAHAN AJAR FISIKA BERBASIS MASALAH UNTUK MENUMBUHKAN HIGHER ORDER THINKING SKILL (HOTS) SISWA KELAS X POKOK BAHASAN FLUIDA STATIS Siti Ainur Rohmah, Sutarman dan Lia Yuliati Jurusan Fisika,

Lebih terperinci

Analisis Rangkaian Listrik

Analisis Rangkaian Listrik Sudaryatno Sudirham Analisis Rangkaian Listrik Mnggunakan Transformasi Fourir - Sudaryatno Sudirham, Analisis Rangkaian Listrik (4) BAB Analisis Rangkaian Mnggunakan Transformasi Fourir Dngan pmbahasan

Lebih terperinci

PENGENALAN ANGKA MELALUI PERMAINAN DADU DALAM PEMBELAJARAN MATEMATIKA PADA ANAK USIA 5-6 TAHUN

PENGENALAN ANGKA MELALUI PERMAINAN DADU DALAM PEMBELAJARAN MATEMATIKA PADA ANAK USIA 5-6 TAHUN PENGENALAN ANGKA MELALUI PERMAINAN DADU DALAM PEMBELAJARAN MATEMATIKA PADA ANAK USIA 5-6 TAHUN Mlania, Masluyah Suib, Dsni Yuniarni Pndidikan Guru Pndidikan Anak Usia Dini FKIP Untan, Pontianak Email :

Lebih terperinci

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL J-Statistika Vol 4 No PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN BAYESIAN PADA REGRESI LOGISTIK MULTINOMIAL Prmadina Kanah Ariska -mail : blaar_statistika@yahoo.com ABSTRAK Rgrsi logistik

Lebih terperinci

ANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P20 JURUSAN SENEN LEBAK BULUS)

ANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P20 JURUSAN SENEN LEBAK BULUS) ANALISIS KETERSEDIAAN PENGGUNA JASA DALAM MEMBAYAR TERHADAP PENINGKATAN KUALITAS PELAYANAN (STUDI KASUS : KOPAJA P0 JURUSAN SENEN LEBAK BULUS) Nincy Ayu Lstari 1 Nahdalina Fakultas Tknik Sipil Univrsitas

Lebih terperinci

Bab 6 Sumber dan Perambatan Galat

Bab 6 Sumber dan Perambatan Galat Mtod Pnlitian Suradi Sirgar Bab 6 Sumbr dan Prambatan Galat 6. Sumbr galat. Data masukan, misal hasil pngukuran (galat bawaan). Slama komputasi (galat pross), galat ang timbul akibat komputasi 3. Galat

Lebih terperinci

SIMULASI DESAIN COOLING SYSTEM DAN RUNNER SYSTEM UNTUK OPTIMASI KUALITAS PRODUK TOP CASE

SIMULASI DESAIN COOLING SYSTEM DAN RUNNER SYSTEM UNTUK OPTIMASI KUALITAS PRODUK TOP CASE SIMULASI DESAIN COOLING SYSTEM DAN RUNNER SYSTEM UNTUK OPTIMASI KUALITAS PRODUK TOP CASE Fabio Dwi Bagus Irawan 1,a, Cahyo Budiyantoro 1,b, Thoharudin 1,c 1 Program Studi Tknik Msin, Fakultas Tknik, Univrsitas

Lebih terperinci

BIAStatistics (2016) Vol. 10, No. 1, hal PENDAHULUAN

BIAStatistics (2016) Vol. 10, No. 1, hal PENDAHULUAN BIAStatistics (2016) Vol. 10, No. 1, hal. 31-37 ANALISIS KINERJA DOSEN PRODI PENDIDIKAN MATEMATIKA BERDASARKAN EVALUASI MAHASISWA SEBAGAI STAKEHOLDER PEMBELAJARAN DALAM RANGKA REKONTRUKSI PELAYANAN STKIP

Lebih terperinci

RELEVANSI SIKAP ILMIAH SISWA DENGAN KONSEP HAKIKAT SAINS DALAM PELAKSANAAN PERCOBAAN PADA PEMBELAJARAN IPA DI SDN KOTA BANDA ACEH

RELEVANSI SIKAP ILMIAH SISWA DENGAN KONSEP HAKIKAT SAINS DALAM PELAKSANAAN PERCOBAAN PADA PEMBELAJARAN IPA DI SDN KOTA BANDA ACEH 70 RELEVANSI SIKAP ILMIAH SISWA DENGAN KONSEP HAKIKAT SAINS DALAM PELAKSANAAN PERCOBAAN PADA PEMBELAJARAN IPA DI SDN KOTA BANDA ACEH Olh Sardinah, Tursinawati, dan Anita Noviyanti Abstrak: Hakikat sains

Lebih terperinci

Debuging Program dengan EasyCase

Debuging Program dengan EasyCase Modul asyc 1 Dbuging Program dngan EasyCas Di susun Olh : Di dukung olh : Portal dukasi Indonsia Opn Knowlodg and Education http://ok.or.id Modul asyc 2 KATA PENGANTAR Puji syukur kpada guru sjatiku Gusti

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN A. KARAKTERISTIK MUTU DAN REOLOGI CPO AWAL Minyak sawit kasar (crud palm oil/cpo) mrupakan komoditas unggulan Indonsia yang juga brpran pnting dalam prdagangan dunia. Mngingat

Lebih terperinci

PENENTUAN NILAI e/m ELEKTRON

PENENTUAN NILAI e/m ELEKTRON Pnntuan Nilai E/m Elktron 013 PENENTUAN NILAI /m ELEKTRON Intan Masruroh S, Anita Susanti, Rza Ruzuqi, Zaky Alam Laboratorium Fisika Radiasi, Dpartmn Fisika Fakultas Sains Dan Tknologi, Univrsitas Airlangga

Lebih terperinci

BAB 3 METODOLOGI PERANCANGAN. 35 orang. Setiap orang diambil sampel sebanyak 15 citra wajah dengan

BAB 3 METODOLOGI PERANCANGAN. 35 orang. Setiap orang diambil sampel sebanyak 15 citra wajah dengan BAB 3 METODOLOGI PERANCANGAN 3.1 Input Data Citra Wajah Pada pnlitian ini, digunakan sbanyak 525 citra ajah yang trdiri dari 35 orang. Stiap orang diambil sampl sbanyak 15 citra ajah dngan pncahayaan yang

Lebih terperinci

Pertemuan XIV, XV VII. Garis Pengaruh

Pertemuan XIV, XV VII. Garis Pengaruh ahan jar Statika ulyati, ST., T rtmuan X, X. Garis ngaruh. ndahuluan danya muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksi disbut bban brgrak. isalkan ada sbuah kndaraan mlalui

Lebih terperinci

ANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA

ANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA ANALISIS LOG-LOGISTIK UNTUK MENGGAMBARKAN HUBUNGAN DOSIS-RESPON HERBISIDA PADA TIGA JENIS GULMA Olh : Yanti Muliyaningsih G40026 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

ANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN

ANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN 65 ANALISIS STABILITAS DAN ADAPTABILITAS GALUR PADI DATARAN TINGGI DI LIMA LINGKUNGAN (Stability and Adaptability Analysis of Highland Ric Gnotyps across Fiv Diffrnt Environmnts) Shrly Rahayu 1,2, Dsta

Lebih terperinci

BAB I PENDAHULUAN 1.1.Latar Belakang

BAB I PENDAHULUAN 1.1.Latar Belakang BAB I PENDAHULUAN 1.1.Latar Blakang Sarana dan prasarana transportasi di suatu ngara mmpunyai pranan yang sangat pnting dalam pngmbangan suatu kawasan trtntu, baik konomi, sosial, budaya dan sbagainya.

Lebih terperinci

Pengembangan Modul Berbasis Pendekatan Saintifik..

Pengembangan Modul Berbasis Pendekatan Saintifik.. Pngmbangan Modul Brbasis Pndkatan Saintifik.. PENGEMBANGAN MODUL BERBASIS PENDEKATAN SAINTIFIK PADA KD 3.8 MENDESKRIPSIKAN PASAR MODAL DALAM PEREKONOMIAN KELAS XI IPS SMAN 1 MOJOKERTO Putri Fbrina Kasaomada

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB LANDASAN TEORI Pada bab ini akan diuraikan mngnai tori dan trminologi graph, yaitu bntuk-bntuk khusus suatu graph. Di sini uga akan dilaskan mngnai minimum spanning tr, pmrograman 0-, dan aplikasi

Lebih terperinci

MODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

MODUL PERKULIAHAN REKAYASA FONDASI 1. Penurunan Tanah pada Fondasi Dangkal. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh MODUL PERKULIAHAN REKAYASA FONDASI 1 Pnurunan Tanah pada Fondasi Dangkal Fakultas Program Studi Tatap Muka Kod MK Disusun Olh Tknik Prnanaan Tknik A41117AB dan Dsain Sipil 9 Abstrat Modul ini brisi bbrapa

Lebih terperinci

PROFIL DATA PENGOBATAN DALAM USADA TENUNG TANYALARA

PROFIL DATA PENGOBATAN DALAM USADA TENUNG TANYALARA PROFIL DATA PENGOBATAN DALAM USADA TENUNG TANYALARA Wahyuni, N.N.S 1, Warditiani, N.K. 1, Lliqia, N.P.E. 1 1 Jurusan Farmasi Fakultas Matmatika Dan Ilmu Pngtahuan Alam Univrsitas Udayana Korspondnsi: Ni

Lebih terperinci

PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX

PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX Prosiding SPMIPA. pp. 3-39, 006 ISBN : 979.704.47.0 PROSES PEMANENAN DENGAN MODEL LOGISTIK STUDI KASUS PADA PTP. NUSANTARA IX Eka Ariani, Agus Rusgiyono Jurusan Matmatika FMIPA Univrsitas Dipongoro Jl.

Lebih terperinci

REGRESI LINEAR & KORELASI. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung REGRESI

REGRESI LINEAR & KORELASI. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung REGRESI 9/08/0 REGREI LINEAR & KORELAI Elty arvia, T., MT. Fakultas Tknik Jurusan Tknik Industri Univrsitas Kristn Maranatha Bandung REGREI jauh ini,kita hanya mmbuat statistik dngan satu variabl pada waktu trtntu,

Lebih terperinci

BAB II TEORI DASAR 2.1 Pengertian Pasang Surut

BAB II TEORI DASAR 2.1 Pengertian Pasang Surut BAB II TEORI DASAR 2.1 Pngrtian Pasang Surut Pasang surut air laut (pasut) adalah pristiwa naik turunnya muka air scara priodik dngan rata-rata priodnya 12,4 jam (di bbrapa tmpat 24,8 jam) (Pond dan Pickard,

Lebih terperinci

RANCANG BANGUN PATCH RECTANGULAR ANTENNA 2.4 GHz DENGAN METODE PENCATUAN EMC (ELECTROMAGNETICALLY COUPLED)

RANCANG BANGUN PATCH RECTANGULAR ANTENNA 2.4 GHz DENGAN METODE PENCATUAN EMC (ELECTROMAGNETICALLY COUPLED) RANCANG BANGUN PATCH RECTANGULAR ANTENNA 2.4 GHz DENGAN METODE PENCATUAN EMC (ELECTROMAGNETICALLY COUPLED) Winny Friska Uli,Ali Hanafiah Ramb Konsntrasi Tknik Tlkomunikasi, Dpartmn Tknik Elktro Fakultas

Lebih terperinci

Umitri Astuti 1), Siti Wahyuningsih 2), Chumdari 3) PGSD FKIP Universitas Sebelas Maret, Jalan Slamet Riyadi 449 Surakarta 1)

Umitri Astuti 1), Siti Wahyuningsih 2), Chumdari 3) PGSD FKIP Universitas Sebelas Maret, Jalan Slamet Riyadi 449 Surakarta   1) PENINGKATAN PEMAHAMAN KONSEP AKTIVITAS EKONOMI BERKAITAN DENGAN SUMBER DAYA ALAM MELALUI PENERAPAN MODEL PEMBELAJARAN KOOPERATIF TIME TOKEN BERBASIS PROBLEM SOLVING PADA SISWA SEKOLAH DASAR Umitri Astuti

Lebih terperinci

VI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH

VI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH VI. EFISIENSI PRODUKSI DAN PERILAKU RISIKO PRODUKTIVITAS PETANI PADA USAHATANI CABAI MERAH.. Faktor-Faktor yang Mmpngaruhi Produktivitas Cabai Mrah dan Nilai Elastisitas Input trhadap Produktivitas...

Lebih terperinci

Modifikasi Analytic Network Process Untuk Rekomendasi Pemilihan Handphone

Modifikasi Analytic Network Process Untuk Rekomendasi Pemilihan Handphone Modifikasi Analytic Ntwork Procss Untuk Rkomndasi Pmilihan Handphon Fry Dwi Hrmawan Jurusan Informatika Fakultas MIPA, Univrsitas Sblas Mart Surakarta frydh@yahoocom Ristu Saptono Jurusan Informatika Fakultas

Lebih terperinci

DIANDRA PARAMITA TIMUR

DIANDRA PARAMITA TIMUR Modl Multinomial Logit Untuk Mnntukan Harga Optimal Pakt Blackbrry Intrnt Srvic (BIS) Tlkomsl dan Indosat (Studi Kasus : Mahasiswa Fakultas Tknik UNS Pngguna Blackbrry) Skripsi DIANDRA PARAMITA TIMUR I0308038

Lebih terperinci

PENDUGAAN SEBARAN LAMA PERAWATAN NASABAH ASURANSI KESEHATAN (STUDI KASUS: ASURANSI KESEHATAN P.T. ASURANSI JIWA BRINGIN JIWA SEJAHTERA) NOVALIA

PENDUGAAN SEBARAN LAMA PERAWATAN NASABAH ASURANSI KESEHATAN (STUDI KASUS: ASURANSI KESEHATAN P.T. ASURANSI JIWA BRINGIN JIWA SEJAHTERA) NOVALIA PENDUGAAN SEBARAN LAMA PERAWATAN NASABAH ASURANSI KESEHATAN (STUDI KASUS: ASURANSI KESEHATAN P.T. ASURANSI JIWA BRINGIN JIWA SEJAHTERA) NOVALIA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 211 PERNYATAAN

Lebih terperinci

ANALISIS KINERJA STRUKTUR PADA BANGUNAN BERTINGKAT BERATURAN DAN KETIDAK BERATURAN HORIZONTAL SESUAI SNI

ANALISIS KINERJA STRUKTUR PADA BANGUNAN BERTINGKAT BERATURAN DAN KETIDAK BERATURAN HORIZONTAL SESUAI SNI ANALISIS KINERJA STRUKTUR PADA BANGUNAN BERTINGKAT BERATURAN DAN KETIDAK BERATURAN HORIZONTAL SESUAI SNI 03-1726-2012 Hotma L Purba Jurusan Tknik Sipil,Univrsitas Sriwijaya Korspondnsi pnulis : hotmapurba@hotmail.com

Lebih terperinci

ANALISIS PEMANFAATAN CITRA SATELIT ALOS-PRISM

ANALISIS PEMANFAATAN CITRA SATELIT ALOS-PRISM ANALISIS PEMANFAATAN CITRA SATELIT ALOS-PRISM SEBAGAI DASAR PEMBUATAN PETA PENDAFTARAN TANAH (Studi Kasus : Dsa Babalan, Kcamatan Gabus, Kabupatn Pati) Pandu Sandy Utomo, Ir. Chatarina Nurdjati S., MT,

Lebih terperinci

Penentuan Lot Size Pemesanan Bahan Baku Dengan Batasan Kapasitas Gudang

Penentuan Lot Size Pemesanan Bahan Baku Dengan Batasan Kapasitas Gudang Pnntuan Lot Siz Pmsanan Bahan Baku Dngan Batasan Kapasitas Gudang Dana Marstiya Utama 1 Abstract. This papr xplains th problm o dtrmining th lot siz o ordring raw matrials with warhous capacity limitation

Lebih terperinci

Evika Sandi Savitri. Staf Pengajar Jurusan Biologi, Fakultas Sains & Teknologi, UIN Maliki Malang ABSTRAK

Evika Sandi Savitri. Staf Pengajar Jurusan Biologi, Fakultas Sains & Teknologi, UIN Maliki Malang ABSTRAK PENGUJIAN IN VITRO BEBERAPA VARIETAS KEDELAI (Glycin max L. Mrr) TOLERAN KEKERINGAN MENGGUNAKAN Polythyln Glikol (PEG) 6000 PADA MEDIA PADAT DAN CAIR Evika Sandi Savitri Staf Pngajar Jurusan Biologi, Fakultas

Lebih terperinci

MODEL PEMBELAJARAN LIMA DOMAIN SAINS DENGAN PENDEKATAN KONTEKSTUAL UNTUK MENGEMBANGKAN PEMBELAJARAN BERMAKNA. Dadan Rosana

MODEL PEMBELAJARAN LIMA DOMAIN SAINS DENGAN PENDEKATAN KONTEKSTUAL UNTUK MENGEMBANGKAN PEMBELAJARAN BERMAKNA. Dadan Rosana Jurnal Pnlitian dan Evaluasi Pndidikan MODEL PEMBELAJARAN LIMA DOMAIN SAINS DENGAN PENDEKATAN KONTEKSTUAL UNTUK MENGEMBANGKAN PEMBELAJARAN BERMAKNA Pndidikan Fisika FMIPA UNY haidaraufa@yahoo.co.id Abstrak

Lebih terperinci

Faculty of Economic Riau University, Pekanbaru, Indonesia

Faculty of Economic Riau University, Pekanbaru, Indonesia Pngaruh Pngumuman Right Issu Trhadap Rturn Saham, Abnormal Rturn, Frkunsi Prdagangan, Volum Prdagangan, Risiko Saham dan Kapitalisasi Pasar Pada Prusahaan Proprty, Ral Estat and Building Construction yang

Lebih terperinci

SISWA AKSELERASI MAN 3 PALEMBANG. Fara Hamdana 1 * dan Alhamdu²* UIN Raden Fatah Palembang.

SISWA AKSELERASI MAN 3 PALEMBANG. Fara Hamdana 1 * dan Alhamdu²* UIN Raden Fatah Palembang. FAA HAMDANA & ALHAMDU PSIKIS-Jurnal Subjctiv Psikologi Wll-Bing Islami Vol. dan 1 Prstasi No. 2 (2015) Blajar 115-124 SUBJECTIVE WELL-BEING DAN PESTASI BELAJA SISWA AKSELEASI MAN 3 PALEMBANG Fara Hamdana

Lebih terperinci

PENGARUH LATIHAN SMALL SIDED GAMES

PENGARUH LATIHAN SMALL SIDED GAMES Latihan, small sidd gams, komponn biomotor... (Jaya Adi Praptama) 1 PENGARUH LATIHAN SMALL SIDED GAMES TERHADAP KOMPONEN BIOMOTOR SISWA KELAS KHUSUS OLAHRAGA CABANG OLAHRAGA SEPAKBOLA DI SMA NEGERI 4 YOGYAKARTA

Lebih terperinci

Pembahasan Soal. Pak Anang SELEKSI MASUK UNIVERSITAS INDONESIA. Disertai TRIK SUPERKILAT dan LOGIKA PRAKTIS. Disusun Oleh :

Pembahasan Soal. Pak Anang SELEKSI MASUK UNIVERSITAS INDONESIA. Disertai TRIK SUPERKILAT dan LOGIKA PRAKTIS. Disusun Oleh : Pmbahasan Soal SELEKSI MASUK UNIVERSITAS INDONESIA Disrtai TRIK SUPERKILAT dan LOGIKA PRAKTIS Disusun Olh : Pak Anang Kumpulan SMART SOLUTION dan TRIK SUPERKILAT Pmbahasan Soal SIMAK UI 2011 Matmatika

Lebih terperinci

Muatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu

Muatan Bergerak. Muatan hidup yang bergerak dari satu ujung ke ujung lain pada suatu Muatan rgrak Muatan hidup yang brgrak dari satu ujung k ujung lain pada suatu konstruksik disbut bb bban brgrak Sbuah kndaraan mlalui suatu jmbatan, maka akan timbul prubahanbh nilai i raksi kimaupun gaya

Lebih terperinci

RPKPS (RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER)

RPKPS (RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER) RPKPS (RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER) 1. Nama Matakuliah : FUNGSI VARIABEL KOMPLEKS I 2. Kod/SKS : MMM2112/2 SKS 3. Prasarat : Kalkulus Multivariabl I (prnah mngambil) 4. Status Matakuliah

Lebih terperinci

ANALISIS KEMAUAN PENUMPANG PESAWAT UDARA UNTUK MENGGUNAKAN BUS TRANS JOGJA

ANALISIS KEMAUAN PENUMPANG PESAWAT UDARA UNTUK MENGGUNAKAN BUS TRANS JOGJA ANALISIS KEMAUAN PENUMPANG PESAWAT UDARA UNTUK MENGGUNAKAN BUS TRANS JOGJA Eko Prayitno, ST, MSc Prodi Tknik Sipil, Fakultas Tknik Sipil dan Prncanaan Univrsitas Bung Hatta ABSTRACT Th objctiv of this

Lebih terperinci

Variabel Indikator Deskriptor No. item Motivasi Belajar. 6. Kebiasaan dalam mengikuti pelajaran 7. Semangat dalam mengikuti pelajaran

Variabel Indikator Deskriptor No. item Motivasi Belajar. 6. Kebiasaan dalam mengikuti pelajaran 7. Semangat dalam mengikuti pelajaran Lapiran Kisi-Kisi Skala MotivasiBlajar Variabl Indikator Dskriptor No it + - Motivasi Blajar Ktkunan dala blajar,,, Ult dala nghadapiksul itan Minat dan ktajaan prhatian dala blajar Brprstasi dala blajar

Lebih terperinci

PENGARUH CAR, NPF, FDR, BOPO, DAN GWM TERHADAP LABA PERUSAHAAN (ROA) PADA BANK UMUM SYARIAH DI INDONESIA PERIODE

PENGARUH CAR, NPF, FDR, BOPO, DAN GWM TERHADAP LABA PERUSAHAAN (ROA) PADA BANK UMUM SYARIAH DI INDONESIA PERIODE PENGARUH CAR, NPF, FDR, BOPO, DAN GWM TERHADAP LABA PERUSAHAAN (ROA) PADA BANK UMUM SYARIAH DI INDONESIA PERIODE 2010-2015 Tri Wahyuningsih 1), Abrar Omar,SE,M.Si 2), Agus Suprijanto,SE, MM 3) 1) Mahasiswa

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 7

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 7 Mata Kuliah : Matmatika Diskrit Program Studi : Tknik Informatika Minggu k : 7 MATRIK GRAPH Sbuah graph dapat kita sajikan dalam bntuk matrik, yaitu : a. Matrik titik (Adjacnt Matrix) b. Matrik rusuk (Edg

Lebih terperinci

FUNGSI DOMINASI ROMAWI PADA LINE GRAPH

FUNGSI DOMINASI ROMAWI PADA LINE GRAPH Bultin Ilmiah Mat. Stat. dan Trapannya (Bimastr) Volum 04, No. 2 (2015), hal 119 126. FUNGSI DOMINASI ROMAWI PADA LINE GRAPH Ysi Januarti, Mariatul Kiftiah, Nilamsari Kusumastuti INTISARI Himpunan D disbut

Lebih terperinci

Universitas Indonusa Esa Unggul Fakultas Ilmu Komputer Teknik Informatika. Persamaan Diferensial Orde I

Universitas Indonusa Esa Unggul Fakultas Ilmu Komputer Teknik Informatika. Persamaan Diferensial Orde I Univrsitas Indonusa Esa Unggul Fakultas Ilmu Komputr Tknik Informatika Prsamaan Difrnsial Ord I Dfinisi Prsamaan Difrnsial Prsamaan difrnsial adalah suatu prsamaan ang mmuat satu atau lbih turunan fungsi

Lebih terperinci

BAB II TINJAUAN PUSTAKA. berbagai macam seperti gambar dibawah (Troitsky M.S, 1990).

BAB II TINJAUAN PUSTAKA. berbagai macam seperti gambar dibawah (Troitsky M.S, 1990). BAB II TINJAUAN USTAKA 2.1 Struktur Rangka Baja Extrnal rstrssing Scara toritis pningkatan kkuatan pada rangka baja untuk jmbatan dapat dilakukan dngan pmasangan prkuatan pratkan kstrnal pada rangka trsbut.

Lebih terperinci

ANALISIS PEMANFAATAN KREDIT UNTUK PENGEMBANGAN USAHA PADA UMKM DI KOTA SAMARINDA

ANALISIS PEMANFAATAN KREDIT UNTUK PENGEMBANGAN USAHA PADA UMKM DI KOTA SAMARINDA ANALISIS PEMANFAATAN KEDIT UNTUK PENGEMBANGAN USAHA PADA UMKM DI KOTA SAMAINDA atna Wulaningrum ( Staf Pngajar Jurusan Akuntansi Politknik Ngri Samarinda ) Muhammad Suyudi ( Staf Pngajar Jurusan Akuntansi

Lebih terperinci

Tinjauan Termodinamika Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial. Oleh. Saeful Karim

Tinjauan Termodinamika Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial. Oleh. Saeful Karim Tinjauan Trmodinamika Sistm artikl Tunggal Yang Trjbak Dalam Sbua Sumur otnsial Ol Saful Karim Jurusan ndidikan Fisika Fakultas ndidikan Matmatika dan Ilmu ngtauan Alam Univrsitas ndidikan Indonsia 00

Lebih terperinci

PENENTUAN POLA - POLA GRAF TERHUBUNG BERLABEL BERORDE ENAM TANPA GARIS PARALEL DENGAN BANYAKNYA GARIS 5. (Skripsi) Oleh SITI FATIMAH

PENENTUAN POLA - POLA GRAF TERHUBUNG BERLABEL BERORDE ENAM TANPA GARIS PARALEL DENGAN BANYAKNYA GARIS 5. (Skripsi) Oleh SITI FATIMAH PENENTUAN POLA - POLA GRAF TERHUBUNG BERLABEL BERORDE ENAM TANPA GARIS PARALEL DENGAN BANYAKNYA GARIS 5 (Skripsi) Olh SITI FATIMAH FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS LAMPUNG BANDAR

Lebih terperinci

METODE ITERASI TANPA TURUNAN BERDASARKAN EKSPANSI TAYLOR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT

METODE ITERASI TANPA TURUNAN BERDASARKAN EKSPANSI TAYLOR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT METODE ITERASI TANPA TURUNAN BERDASARKAN EKSPANSI TAYLOR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR E. Yuliani, M. Imran, S. Putra Mahasiswa Program Studi S Matmatika Laboratorium Matmatika Trapan, Jurusan

Lebih terperinci

PENGGUNAAN JARINGAN SYARAF TIRUAN UNTUK PENGKLASIFIKASIAN STATUS GIZI SKRIPSI. Oleh: INDA SAFITRI NIM

PENGGUNAAN JARINGAN SYARAF TIRUAN UNTUK PENGKLASIFIKASIAN STATUS GIZI SKRIPSI. Oleh: INDA SAFITRI NIM PENGGUNAAN JARINGAN SYARAF TIRUAN UNTUK PENGKLASIFIKASIAN STATUS GIZI SKRIPSI Olh: INDA SAFITRI NIM. 065009 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 A ANDAAN TEORI Pngrtian MM Multi vl Markting MM adalah salah satu contoh unit usaha yang brpola bisnis unik, yang sdang brkmbang di dalam bidang pnjualan barangbarang kbutuhan manusia, mulai brupaya

Lebih terperinci

BAHAN DAN METODE Waktu dan Tempat Penelitian Bahan dan Peralatan Penelitian

BAHAN DAN METODE Waktu dan Tempat Penelitian Bahan dan Peralatan Penelitian BAHAN DAN METODE Waktu dan Tmpat Pnlitian Pnlitian dimulai pada awal bulan Sptmbr 2002 hingga akhir bulan Januari 2004. Lokasi pnlitian di kbun tbu lahan kring milik PT Gula Putih Mataram, Lampung Tngah.

Lebih terperinci

TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER

TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER TINJAUAN ULANG EKSPANSI ASIMTOTIK UNTUK MASALAH BOUNDARY LAYER HannaA Parhusip Cntr of Applid Mathmatics Program Studi Matmatika Industri dan Statistika Fakultas Sains dan Matmatika Univrsitas Kristn Sata

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Blakang Di dalam dunia bisnis yang smakin ktat saat ini prusahaan dituntut untuk mmiliki banyak kunggulan komptitif agar dapat brsaing dngan yang lainnya. Maka dari itu, prusahaan

Lebih terperinci

BAB 2 DISTRIBUSI INDUK DAN DISTRIBUSI SAMPEL

BAB 2 DISTRIBUSI INDUK DAN DISTRIBUSI SAMPEL BAB DISTRIBUSI IDUK DA DISTRIBUSI SAMEL.. EDAHULUA Jika suatu bsaran mmiliki nilai ssungguhnya sdangkan hasil ukurnya adalah maka kita mngharapkan hasil pngamatan mndkati, namun knyataannya tidak slalu

Lebih terperinci

Rayadi Akademi Manajemen Informatika dan Komputer Panca Bhakti Pontianak Abstract

Rayadi Akademi Manajemen Informatika dan Komputer Panca Bhakti Pontianak Abstract PENGAUH KONDISI KAYAWAN TEHADAP KEPUASAN KEJA DAN DAMPAKNYA TEHADAP ETENSI KAYAWAN PT. JASA SELAAS BEDASAKAN PEBANDINGAN PENDEKATAN SPSS DAN LISEL ayadi Akadmi Manajmn Informatika dan Komputr Panca Bhakti

Lebih terperinci

KAJIAN POTENSI PENGGUNA JALAN TOL MALANG KEPANJEN

KAJIAN POTENSI PENGGUNA JALAN TOL MALANG KEPANJEN KAJIAN POTENSI PENGGUNA JALAN TOL MALANG KEPANJEN Ad Yudha Iswara, Fahry Husin, Ludfi Djakfar, Hndi Bowoputro Jurusan Tknik Sipil Fakultas Tknik Univrsitas Brawijaya Jalan MT. Haryono 167 Malang 65145,

Lebih terperinci

KONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA

KONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA LAPORAN PENELITIAN HIBAH PENELITIAN STRATEGIS NASIONAL TAHUN ANGGARAN 2009 KONTROL URBAN SPRAWL DENGAN PENDEKATAN PEMODELAN PERILAKU PERJALANAN DAN PARTISIPASI PENDUDUKNYA Pnliti : Lasmini Ambarwati, ST.,

Lebih terperinci

Reduksi data gravitasi

Reduksi data gravitasi Modul 5 Rduksi data gravitasi Rduksi data gravitasi trdiri dari:. Rduksi g toritis. Rduksi fr air 3. Rduksi Bougur 4. Rduksi mdan/trrain. Rduksi g toritis Pnlaahan tntang konsp rduksi data gravitasi lbih

Lebih terperinci

Online Jurnal of Natural Science, Vol.3(1): ISSN: March 2014

Online Jurnal of Natural Science, Vol.3(1): ISSN: March 2014 Onlin Jurnal of Natural Scinc, ol.3(1): 65-74 ISSN: 338-0950 March 014 PELABELAN TOTAL SISI AJAIB SUPER (TSAS) PADA GABUNGAN GRAF ULAT BULU DAN BIPARTITE LENGKAP I W. Sudarsana 1, Fitria and S. Musdalifah

Lebih terperinci

MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL

MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL ISSN : 407 846 -ISSN : 460 846 MODEL PERSEDIAAN DETERMINISTIK DENGAN MEMPERTIMBANGKAN MASA KADALUARSA DAN PENURUNAN HARGA JUAL Chrish Rikardo *, Taufik Limansyah, Dharma Lsmono Magistr Tknik Industri,

Lebih terperinci

ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI

ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI Analisa Pngaruh Pack Carburizing Mnggunakan Arang Mlanding (Mas ad dkk.) ANALISA PENGARUH PACK CARBURIZING MENGGUNAKAN ARANG MLANDING UNTUK MENINGKATKAN SIFAT MEKANIS SPROKET SEPEDA MOTOR SUZUKI Mas ad,

Lebih terperinci

METODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Yuli Syafti Purnama 1 ABSTRACT

METODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Yuli Syafti Purnama 1 ABSTRACT METODE ITERASI KELUARGA CHEBYSHEV-HALLEY UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Yuli Syafti Purnama Mahasiswa Program Studi S Matmatika Fakultas Matmatika dan Ilmu Pngtahuan Alam Univrsitas Riau Kampus

Lebih terperinci

Pada gambar 2 merupakan luasan bidang dua dimensi telah mengalami regangan. Salah satu titik yang menjadi titik acuan adalah titik P.

Pada gambar 2 merupakan luasan bidang dua dimensi telah mengalami regangan. Salah satu titik yang menjadi titik acuan adalah titik P. nurunan Kcpatan Glombang dan Glombang S Glombang sismik mrupakan gtaran yang mrambat pada mdium batuan dan mnmbus lapisan bumi. njalaran mnybabkan dformasi batuan.strss atau tkanan didfinisikan gaya prsatuan

Lebih terperinci

IV. Konsolidasi. Pertemuan VII

IV. Konsolidasi. Pertemuan VII Prtmuan VII IV. Konsolidasi IV. Pndahuluan. Konsolidasi adalah pross brkurangnya volum atau brkurangnya rongga pori dari tanah jnuh brpmabilitas rndah akibat pmbbanan. Pross ini trjadi jika tanah jnuh

Lebih terperinci

PELABELAN PRIME CORDIAL UNTUK GRAF BUKU DAN GRAF MATAHARI YANG DIPERUMUM

PELABELAN PRIME CORDIAL UNTUK GRAF BUKU DAN GRAF MATAHARI YANG DIPERUMUM JIMT Vol. 4 No. Juni 07 (Hal 56-69) ISSN : 450 766X PELABELAN PRIME CORDIAL UNTUK GRAF BUKU DAN GRAF MATAHARI YANG DIPERUMUM S.Pranata, I. W. Sudarsana dan S.Musdalifah 3,,3 Program Studi Matmatika Jurusan

Lebih terperinci

WORKSHOP KREATIVITAS ALAT PERAGA PENDIDIKAN EDUKATIF IPA-MATEMATIKA

WORKSHOP KREATIVITAS ALAT PERAGA PENDIDIKAN EDUKATIF IPA-MATEMATIKA LAPORAN KEGIATAN WORKSHOP KREATIVITAS ALAT PERAGA PENDIDIKAN EDUKATIF IPA-MATEMATIKA Pnanggung Jawab Kgiatan: DRS. H. SUTIMAN Ktua Plaksana: Yuni Wibowo, M.Pd FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

Lebih terperinci

Uci Sri Sundari STIE Kusuma Negara Indra Isharyanto.

Uci Sri Sundari STIE Kusuma Negara   Indra Isharyanto. Url : http://aktiva.sti-kusumangara.ac.id - Vol I, No. Dsmbr 27 PENGAUH KEPUTUSAN INVESTASI, KEPUTUSAN PENDANAAN DAN KEBIJAKAN DIVIDEN TEHADAP NILAI PEUSAHAAN PADA PEUSAHAAN OOD AND BEVEAGE YANG TEDATA

Lebih terperinci

1 e ABSTRAK. atribut biaya perjalanan adalah P BMlg = 0, ΔX1 Bsby =1- P BMlg, probability model, P BSby= 1- P BMlg, model

1 e ABSTRAK. atribut biaya perjalanan adalah P BMlg = 0, ΔX1 Bsby =1- P BMlg, probability model, P BSby= 1- P BMlg, model PENGARUH AKSESIBILITAS DAN KUALITAS PELAYANAN TERHADAP PEMILIHAN MODA TRANSPORTASI UDARA (STUDI KASUS BANDARA ABDURACHMAN SALEH MALANG-BANDARA JUANDA SURABAYA) Akhriadi, Ludfi Djakfar, Agus Suharyanto

Lebih terperinci

EVALUASI DAYA GABUNG PERSILANGAN JAGUNG DENGAN METODE DIALLEL

EVALUASI DAYA GABUNG PERSILANGAN JAGUNG DENGAN METODE DIALLEL EVALUASI DAYA GABUNG PERSILANGAN JAGUNG DENGAN ETODE DIALLEL Hruna Tanty athmatics & Statistics Dpartmnt, School of Computr Scinc, Binus Univrsity Jl. K. H. Syahdan No. 9 Palmrah Jakarta Barat 11480 hrunatanty@yahoo.com

Lebih terperinci

ANALISIS NOSEL MOTOR ROKET RX LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER

ANALISIS NOSEL MOTOR ROKET RX LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER Analisis Nosl Motor Rokt RX-1 LAPAN... (Ahmad Jamaludin Fitroh, Sari) ANALISIS NOSEL MOTOR ROKET RX - 1 LAPAN SETELAH DILAKUKAN PEMOTONGAN PANJANG DAN DIAMETER Ahmad Jamaludin Fitroh, Sari Pnliti Pnliti

Lebih terperinci

BAB I METODE NUMERIK SECARA UMUM

BAB I METODE NUMERIK SECARA UMUM BAB I METODE NUMERIK SECARA UMUM Aplikasi modl matmatika banyak muncul dalam brbagai disiplin ilmu pngtahuan, sprti isika, kimia, konomi, prsoalan rkayasa (tknik msin, sipil, lktro). Modl matmatika yang

Lebih terperinci

Prosiding Seminar Nasional Manajemen Teknologi XVII Program Studi MMT-ITS, Surabaya 2 Februari 2013

Prosiding Seminar Nasional Manajemen Teknologi XVII Program Studi MMT-ITS, Surabaya 2 Februari 2013 ANALISIS PENGARUH KUALITAS LAYANAN, CITRA MEREK, DAN WORD OF MOUTH TERHADAP MINAT BELI KONSUMEN DENGAN METODE STRUCTURAL EQUATION MODELING (STUDI KASUS : PEMINAT PRODUK PONSEL X DI SURABAYA) I Putu Wisnu

Lebih terperinci

PENENTUAN RUTE TERPENDEK DENGAN MENGGUNAKAN ALGORITMA CHEAPEST INSERTION HEURISTIC (STUDI KASUS: PT.

PENENTUAN RUTE TERPENDEK DENGAN MENGGUNAKAN ALGORITMA CHEAPEST INSERTION HEURISTIC (STUDI KASUS: PT. Bultin Ilmiah Math. Stat. dan Trapannya (Bimastr) Volum 04, No. 3 (2015), hal 295 304. PENENTUAN RUTE TERPENDEK DENGAN MENGGUNAKAN ALGORITMA CHEAPEST INSERTION HEURISTIC (STUDI KASUS: PT. Wicaksana Ovrsas

Lebih terperinci

Tinjauan Termodinamika Pada Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial

Tinjauan Termodinamika Pada Sistem Partikel Tunggal Yang Terjebak Dalam Sebuah Sumur Potensial injauan rmodinamika ada Sistm artikl unggal Yang rjbak Dalam Sbua Sumur otnsial Dngan mngmbangkan ubungan trmodinamik yang sdrana untuk pngumpulan partikl yang tunggal yang ditmpatkan pada dara potnsial.

Lebih terperinci

Jurnal Techno Nusa Mandiri Vol. XIII, No. 2 September

Jurnal Techno Nusa Mandiri Vol. XIII, No. 2 September Jurnal Tchno Nusa Mandiri Vol. XIII, No. 2 Sptmbr 2016 71 ANALISIS TATA KELOLA TEKNOLOGI INFORMASI MENGGUNAKAN METODE COBIT 4.1 (Studi Kasus PUSDIKLAT APARATUR KEMENKES RI) Titin Kristiana Program Studi

Lebih terperinci