ANALISIS DISKRIMINAN
|
|
- Yenny Setiawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS DISKRIMINAN I Prinsip Dasar dan Tujuan Analisis Analisis disriminan adalah salah satu teni statisti yang bisa digunaan pada hubungan dependensi (hubungan antarvariabel dimana sudah bisa dibedaan mana variabel respon dan mana variabel penjelas) Lebih spesifi lagi, analisis disriminan digunaan pada asus dimana variabel respon berupa data ualitatif dan variabel penjelas berupa data uantitatif Analisis disriminan bertujuan untu menglasifiasian suatu individu atau observasi e dalam elompo yang saling bebas (mutually exclusive/disjoint) dan menyeluruh (exhaustive ) berdasaran sejumlah variabel penjelas Ada dua asumsi utama yang harus dipenuhi pada analisis disriminan ini, yaitu: Sejumlah p variabel penjelas harus berdistribusi normal Matris varians-covarians variabel penjelas beruuran pxp pada edua elompo harus sama Jia dianalogian dengan regresi linier, maa analisis disriminan merupaan ebaliannya Pada regresi linier, variabel respon yang harus mengiuti distribusi normal dan homosedastis, sedangan variabel penjelas diasumsian fixed, artinya variabel penjelas tida disyaratan mengiuti sebaran tertentu Untu analisis disriminan, variabel penjelasnya seperti sudah disebutan di atas harus mengiuti distribusi normal dan homosedastis, sedangan variabel responnya fixed II Format Data Dasar dan Program Komputer yang Digunaan Data dasar yang digunaan otomatis adalah data yang ontinu (arena adanya asumsi enormalan) untu variabel penjelas (X j ) dan data ategori/ualitatif/nonmetric untu variabel respon (Y) Tabel Format Data untu Analisis Disriminan X X Xp Y Secara apliatif, data dilihat pada bagian Contoh Apliasi Analisis (bagian IV)
2 Beberapa software yang bisa digunaan adalah SPSS, SAS, dan Minitab Karena eterbatasan ilmu yang dimilii penulis, ali ini hanya aan diberian contoh bagaimana penggunaan SPSS untu melauan analisis disriminan ini III Algoritma Poo Analisis dan Model Matematis Secara ringas, langah-langah dalam analisis disriminan adalah sebagai beriut: Pengecean adanya emunginan hubungan linier antara variabel penjelas Untu point ini, dilauan dengan bantuan matris orelasi (pembentuan matris orelasi sudah difasilitasi pada analisis disriminan) Pada output SPSS, matris orelasi bisa dilihat pada Pooled Within-Groups Matrices Uji Vetor Rata-rata Kedua Kelompo H o : µ = µ H : µ µ Diharapan dari uji ini adalah hipotesis nol ditola, sehingga ita mempunyai informasi awal bahwa variabel yang sedang diteliti memang membedaan edua elompo Pada SPSS, uji ini dilauan secara univariate (jadi yang diuji buan berupa vetor), dengan bantuan tabel Tests of Equality of Group Means 3 Dilanjutan pemerisaan asumsi homosedastisitas, dengan uji Box s M Diharapan dari uji ini hipotesisi nol tida ditola ( Ho: Σ = Σ ) 4 Pembentuan model disriminan a Kriteria Fungsi Linier Fisher Pembentuan Fungsi Linier (teoritis) Fisher mengelompoan suatu observasi berdasaran nilai sor yang dihitung dari suatu fungsi linier Y = λ X dimana λ menyataan vetor yang berisi oefisien-oefisien variabel penjelas yang membentu persamaan linier terhadap variabel respon, [ λ, λ,, λ ] λ= p X = X, X X menyataan matris data pada elompo e-
3 x x xp x x xp X = ; xn xn xnp i =, j =, xij menyataan observasi e-i variabel e-j pada elompo e- µ, X Σ maa Di bawah asumsi ~ N ( ) µ = µ µ = µ E( X ) µ = E( ) dan ( µ ) ( µ ) Σ Ε X X µ X p,,,, =, = ; Σ = Σ = Σ ; µ adalah vetor rata-rata tiap variabel X pada elompo e- Σ σ = σ σ * σp σp σpp varians var iabel j apabila j = j σ j j = o varians var iabel j dan j apabila j j Fisher mentransformasian observasi-observasi x yang multivariate menjadi observasi y yang univariate Dari persamaan Y = λ X ( ) = E( ) µ µ = E Y λ X = λ ; y diperoleh σ Y = var(l X)=l Σ l µ y adalah rata-rata Y yang diperoleh dari X yang termasu dalam elompo e- σ Y adalah varians Y dan diasumsian sama untu edua elompo n p
4 Kombinasi linier yang terbai menurut Fisher adalah yang dapat memasimuman rasio antara jara uadrat rata-rata Y yang diperoleh dari x dari elompo dan dengan varians Y, atau dirumusan sebagai beriut: Jia ( µ µ ) = δ ( µ µ ) ( µ µ ) ( µ µ ) Y σ Y Y λ = λ Σ λ λ λδ Σ ( ) maa persamaan di atas menjadi λ λ Karena Σ adalah matris definit positif, maa menurut teori pertidasamaan Cauchy-Schwartz, ( ) rasio λδ dapat dimasimuman jia λσ λ λ = cσ δ = cσ µ µ Dengan memilih c=, menghasilan ombinasi linier yang disebut ombinasi linier Fisher sebagai beriut: Y = λ X = ( ( µ µ ) Σ X Pembentuan Fungsi Linier (dengan bantuan SPSS) Pada output SPSS, oefisien untu tiap variabel yang masu dalam model dapat dilihat pada tabel Canonical Discriminant Function Coefficient Tabel ini aan dihasilan pada output apabila pilihan Function Coefficient bagian Unstandardized diatifan Menghitung discriminant score Setelah dibentu fungsi liniernya, maa dapat dihitung sor disriminan untu tiap observasi dengan memasuan nilai-nilai variabel penjelasnya Menghitung cutting score Cutting score (m) dapat dihitung dengan rumus sebagai beriut: nµ Y + n µ m = n + n n adalah jumlah sampel ada elompo e-, =, Kemudian nilai-nilai discriminant score tiap observasi aan dibandingan dengan cutting score, sehingga dapat dilasifiasian suatu observasi aan termasu e dalam elompo yang mana Suatu observasi dengan arateristi x aan dilasifiasian sebagai anggota elompo ode jia = y ( ) Σ x m, Y ) µ µ
5 selain itu dimasuan e dalam elompo (ode nol) Penghitungan m dilauan secara manual, arena SPSS tida mengeluaran output m Namun, ita dapat menghitung m dengan bantuan tabel Function at Group Centroids dari output SPSS Penghitungan Hit Ratio (dalam model regresi logisti disebut percentage correct) Setelah semua observasi dipredisi eanggotaannya, dapat dihitung hit ratio, yaitu rasio antara observasi yang tepat penglasifiasiannya dengan total seluruh observasi Seberapa valid model disriminan yang telah dihasilan? Jawaban pertanyaan ini terait dengan validasi model SPSS versi 00 menggunaan validasi dengan metode Leave One Out Misalan ada sebanya n observasi, aan dibentu fungsi linier dengan observasi sebanya n- Observasi yang tida disertaan dalam pembentuan fungsi linier ini aan dipredisi eanggotaannya dengan fungsi yang sudah dibentu tadi Proses ini aan diulang dengan ombinasi observasi yang berbeda-beda, sehingga fungsi linier yang dibentu ada sebanya n Inilah yang disebut dengan metode Leave One Out b Kriteria posterior probability Aturan penglasifiasian yang eivalen dengan model linier Fisher adalah berdasaran nilai peluang suatu observasi dengan arateristi tertentu (x) berasal dari suatu elompo Nilai peluang ini disebut posterior probability dan bisa ditampilan pada sheet SPSS dengan mengatifan option probabilities of group membership pada bagian Save di ota dialog utama dimana P ( x ) p f p ( x ), f ( x ) p adalah prior probability elompo e- dan f (x) = ( π) p exp ( x µ ) ( x µ ) ; = 0, Σ Σ κ
6 Suatu observasi dengan arateristi x aan dilasifiasian sebagai anggota elompo 0 jia P(=0 x) > P( = x ) Nilai-nilai posterior probability inilah yang mengisi olom dis _ dan olom di _ pada sheet SPSS IV Contoh Apliasi Di sebuah laboratorium dilauan penelitian untu mengetahui apa saja yang membedaan bunga A dan bunga B yang masih satu species Untu itu, diambil sampel bunga A dan B masing-masing sebanya 0 buah Kedua bunga dihitung lebar elopanya (X )dan lebar daunnya (X ) Dietahui juga bahwa edua bunga dapat dijadian indiator derajat easaman suatu zat (ph), maa diteliti juga pada traye ph berapa saja edua bunga sensitif untu mendetesinya(x 3 ) Data yang telah diperoleh aan dianalisis dengan menggunaan analisis disriminan Tabel 3 Data arateristi Bunga A dan Bunga B X X X 3 Y 4,4609 4,7603, ,7356 4,0340, ,708 3,3686, ,4973,45367, ,7679,38, ,96 3,0398, , ,37093, ,087 4,96, ,439 3,54893, , ,9778, , ,5359,0593 8,3707 4,9499, , ,379 9,96 9,3638 5,69686,3544 8,6503 5,4649,077 9,858 4, ,066 9,0748 4, ,995 9, ,3779,395 8,8943 5, ,879 8,57 4,9908 8,8796 Sumber: Data bangitan dari Minitab (telah dimodifiasi) Untu melauan analisis disriminan dengan bantuan SPSS, iuti langahlangah beriut: Pada menu Analyze, pilih submenu Classify, lalu pilih Discriminant Kemudian aan muncul ota dialog
7 Gambar 4 Tampilan Kota Dialog Utama Analisis Disriminan Bagian Grouping Variable diisi dengan variabel respon dan harus didefinisian range- nya pada bagian Define Range Gambar 4 Tampilan Kota Dialog Define Range Bagian Minimum diisi dengan ode terecil dan Maximum diisi dengan ode terbesar dari variabel respon Bagian Independents diisi dengan variabel penjelas Metode yang sering dipaparan pada literatur-literatur adalah metode bertatar (stepwise), maa ali ini hanya aan diberi contoh penggunaan metode ini Posterior probability yang dihasilan dengan metode Enter dan Stepwise aga berbeda, sehingga pada metode Stepwise nilai etepatan lasifiasinya juga aan berbeda Berdasaran literatur-literatur yang pernah dibaca, penulis lebih menyaranan untu menggunaan metode Stepwise Untu menampilan nilai hit ratio, pada bagian Classify li Summary Table Bagian Save memunginan ita untu menampilan nilai-nilai posterior probability observasi untu masu e elompo ode nol(dis_), nilai-nilai posterior probability observasi untu masu e elompo ode satu (dis_), nilai-nilai discriminant score (dis_), dan penglasifiasian observasi oleh model (dis_) pada Sheet SPSS Misalnya untu observasi pertama, nilai
8 peluangnya untu masu e dalam elompo ode nol (,00000) lebih besar daripada peluangnya untu masu dalam elompo ode satu (0,00000), maa observasi ini aan dimasuan oleh model e dalam elompo ode nol Gambar 3 Tampilan Posterior Probability, Discriminant Score, dan Predicted Group Membership pada sheet SPSS Sampai di sini pengisian ota dialog dirasa cuup untu analisis disriminan Selanjutnya, ita aan mulai interpretasian output-outputnya Pengecean multiolinieritas Pooled Within-Groups Matrices Correlation VAR0000 VAR0000 VAR00003 VAR0000 VAR0000 VAR00003,000 -,3 -,365 -,3,000, -,365,,000 Dari matris orelasi di atas, tida ada anga yang mencapai 0,5 atau di atasnya sehingga ita mengidentifiasi tida ada multiolinieritas pada data Uji Kesamaan vetor rata-rata Tests of Equality of Group Means VAR0000 VAR0000 VAR00003 Wils Lambda F df df Sig,074 5,080 8,000,487 8,983 8,000,80 4,467 8,049 Dilihat dari nilai p-value nya, masing-masing variabel mempunyai rata-rata yang berbeda untu edua elompo Ingat, yang diuji adalah esamaan rata-rata pada tiap elompo (elompo ode nol dan ode satu), buan rata-rata antar variabel
9 Uji Kesamaan matris varians-covarians(homosedastisitas) Test Results Boxs M 59,85 F Approx df df Sig 7, ,000,000 Tests null hypothesis of equal population covariance matrices Tabel di atas memperlihatan bahwa ita dapat menola hipotesis nol arena nilai p- valuenya urang dari 0,05 (dalam hal ini penelitian menggunaan tingat epercayaan 95%) Dari hasil pengujian ini, ita dapat mengataan bahwa data ita berasal dari populasi yang mempunyai matris varians-covarians yang sama Pembentuan fungsi linier Canonical Discriminant Function Coefficients Function VAR0000,935 VAR00003,63 (Constant) -3,988 Unstandardized coefficients Dari tabel di atas, dapat ita bentu fungsi liniernya sebagai beriut: Y= -3,988+,935X +0,63X 3 Penghitungan discriminant score Misalnya untu observasi pertama, dengan memasuan nilai X =4,4609; dan X 3 =4,3488 maa diperoleh discriminant scorenya sebesar -5,7 Penghitungan cutting score Functions at Group Centroids VAR00004,00,00 Function -3,87 3,87 Unstandardized canonical discriminant functions evaluated at group means
10 0( 3,87) + 0(3,87) Dari tabel di atas, dapat dihitung cutting score nya = = 0 0 Untu observasi pertama, arena discriminant score nya urang dari cutting score, maa dimasuan e dalam elompo ode 0 (penglasifasian tepat arena sebenarnya observasi pertama sebelumnya memang termasu e dalam anggota elompo nol atau bunga A) Hit Ratio Classification Results b,c Predicted Group Membership VAR00004,00,00 Total Original Count, , %,00 00,0,0 00,0,00,0 00,0 00,0 Cross-validated a Count, , %,00 00,0,0 00,0,00,0 00,0 00,0 a Cross validation is done only for those cases in the analysis In cross validation, each case is classified by the functions derived from all cases other than that case b 00,0% of original grouped cases correctly classified c 00,0% of cross-validated grouped cases correctly classified Anga hit ratio di atas sudah mencapai 00% (pada enyataannya sulit mencapai anga sebesar ini, ingat ini hanya data fitif yang dibangitan dengan bantuan omputer) Penglasifiasian observasi baru Jia ada bunga dari species yang sama, dapat dipredisi aan termasu dalam elompo mana berdasaran arateristi yang dimiliinya dengan fungsi linier yang sudah terbentu Inilah yang menjadi tujuan pembentuan fungsi disriminan -Tita Rosy-
BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel
BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.
Lebih terperinciLampiran 1 Kuesioner Penelitian Yth. Responden Dalam rangka memenuhi penelitian, saya sebagai mahasiswa Universitas Katolik Widya Mandala Surabaya,
Lampiran 1 Kuesioner Penelitian Yth. Responden Dalam rangka memenuhi penelitian, saya sebagai mahasiswa Universitas Katolik Widya Mandala Surabaya, sangat mengharapkan kesediaan Bapak/Ibu/Sdr/i meluangkan
Lebih terperinciBAB IV PENGOLAHAN DATA
BAB IV PENGOLAHAN DATA 4.1 Print Output dan Analisa Output A. Diskriminan Parameter : 1. Grup 1 : Konsumen (responden) yang sering berkunjung ke... Grup 2 : Konsumen (responden) yang sering berkunjung
Lebih terperinciStatistika Industri II TIP - FTP UB
Statistika Industri II TIP - FTP UB Mirip regresi linier berganda Metode dependen Dimana : Variabel Independen (X1 dan seterusnya) adalah data metrik, yaitu data berskala interval atau rasio. Variabel
Lebih terperinciKuisioner Jawablah pertanyaan dibawah ini dengan tanda X! Keterangan : Pertanyaan Kesetiaan Merek
Kuisioner Saya meminta bantuan Bapak/Ibu/Saudara sekalian untuk mengisi beberapa pertanyaan dibawah ini. Kuisioner yang saya bagikan digunakan sebagai bahan untuk melakukan penelitian. Saya mohon bantuannya
Lebih terperinciMODUL 5 ANALISIS DISKRIMINAN
MODUL 5 ANALISIS DISKRIMINAN TUJUAN PRAKTIKUM Tujuan yang diharapkan dalam pelaksanaan praktikum ini, antara lain : Mahasiswa memahami karakteristik dan kegunaan Metode Analisis Diskriminan. Mahasiswa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciAnalisis Diskriminan
Analisis Diskriminan Analisis Diskriminan adalah teknik Multivariat yang termasuk pada Dependence Method, dengan ciri adanya variabel dependen dan independen. Dengan demikian, ada variabel yang hasilnya
Lebih terperinciPengenalan Pola. Klasifikasi Linear Discriminant Analysis
Pengenalan Pola Klasifiasi Linear Discriminant Analysis PTIIK - 2014 Course Contents 1 Analisis Disriminan 2 Linear Classification 3 Linear Discriminant Analysis (LDA 4 Studi Kasus dan Latihan Analisis
Lebih terperinciLampiran 1. Data PER, DPR, DY, ROE dan NPM LQ45 tahun 2009
LAMPIRAN 143 Lampiran 1. Data PER, DPR, DY, ROE dan NPM LQ45 tahun 2009 1 ADRO 12,67 12,45 0,98 24,94 0,16 2 BBCA 17,57 0,25 0,01 24,44 0,25 3 BBNI 12,17 28,9 0,02 12,92 0,1 4 BBRI 12,91 22,27 0,02 26,81
Lebih terperinciLampiran 1 KUESIONER. No.Responden :. (diisi peneliti)
Lampiran 1 KUESIONER No.Responden :. (diisi peneliti) Kepada Responden Yth, Saya Vebi Dwi Yanti selaku mahasiswa Fakultas Bisnis Jurusan Manajemen Universitas Katolik Widya Mandala Surabaya yang sedang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,
Lebih terperinciDISCRIMINANT ANALYSIS
DISCRIMINANT ANALYSIS STATISTIK LANJUT MAGISTER PROFESI F.PSI.UI Liche Seniati 1 Discriminant Analysis Merupakan teknik parametrik yang digunakan untuk menentukan bobot dari prediktor yg paling baik untuk
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang 1.2. Tujuan Praktikum
BAB I PENDAHULUAN 1.1. Latar Belakang Analisis Diskriminan adalah salah satu teknik statistika yang bisa digunakan pada hubungan dependensi (hubungan antarvariabel dimana sudah bisa dibedakan mana variabel
Lebih terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 5, Halaman 87-93 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PENERAPAN FORMULA BENEISH M-SCORE DAN ANALISIS DISKRIMINAN LINIER UNTUK
Lebih terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
45 BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini akan dijelaskan dari inti karya akhir ini, dimana analisis dan pembahasan akan dilakukan. Analisis dilakukan berdasarkan teori-teori dan metodologi yang telah
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciII. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode
3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode
Lebih terperinciMENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE
MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperinciat Blessing KJKS Madani, whether included in the group who deserve credit or groups who do not deserve credit. This analysis was done with the help of
ANALISIS PENILAIAN FAKTOR-FAKTOR YANG MEMPERNGARUHI PEMBERIAN KREDIT PADA USAHA MIKRO DENGAN MODEL DISKRIMINAN PADA KJKS BERKAH MADANI RITA SAHARAH MAHASISWA FAKULTAS EKONOMI, JURUSAN AKUNTANSI UNIVERSITAS
Lebih terperinciANALISIS PENILAIAN FAKTOR-FAKTOR YANG MENENTUKAN PEMBERIAN KREDIT DENGAN MODEL DISKRIMINAN PADA KOPERASI KARYAWAN DEPARTEMEN KEHUTANAN
ANALISIS PENILAIAN FAKTOR-FAKTOR YANG MENENTUKAN PEMBERIAN KREDIT DENGAN MODEL DISKRIMINAN PADA KOPERASI KARYAWAN DEPARTEMEN KEHUTANAN Dwi Puji Yuliastuti 20205376 Jurusan Akuntansi Fakultas Ekonomi Universitas
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii
Lebih terperinciPENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR
PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinciBAB III METODE SCHNABEL
BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan
Lebih terperinciANALISIS DISKRIMINAN DALAM MENGKLASIFIKASIKAN PREDIKAT KESEHATAN BANK(STUDI KASUS PADA BANK UMUM SYARI AH)
ANALISIS DISKRIMINAN DALAM MENGKLASIFIKASIKAN PREDIKAT KESEHATAN BANK Desi Rahmatina, S.Pd, M.Sc (Universitas Maritim Raja Ali Haji) ABSTRAKSI Penelitian ini mengambil topik mengenai analisis tingkat kesehatan
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 21 Kemiskinan Definisi tentang kemiskinan telah mengalami perluasan, seiring dengan semakin kompleksnya faktor penyebab, indikator, maupun permasalahan lain yang melingkupinya Kemiskinan
Lebih terperinciRia Utami Dewi Jururan Akuntansi Fakultas Ekonomi, Universitas Gunadarma, Jakarta. Abstrak
ANALISIS PERBEDAAN FAKTOR-FAKTOR YANG MEMPENGARUHI KELAYAKAN PEMBERIAN KREDIT ANTARA KREDIT USAHA MIKRO DENGAN KREDIT KEPEMILIKAN RUMAH PADA BANK TABUNGAN NEGARA (PERSERO) CABANG BEKASI Ria Utami Dewi
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. dapat mengungkapkan konsep gejala/kejadian yang diukur. Pengujian validitas
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Uji Validitas Uji validitas digunakan untuk menguji sejauh mana ketepatan alat ukur dapat mengungkapkan konsep gejala/kejadian yang diukur. Pengujian validitas
Lebih terperinciKORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK
Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.
Lebih terperinci( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang
LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil
Lebih terperinciLampiran 1. Kuesioner Penelitian KARAKTERISTIK NAVIGASI WEB PELANGGAN SHOFIA TOYS DALAM KAITAN PEMBELANJAAN SECARA ONLINE
36 LAMPIRAN 37 Lampiran 1. Kuesioner Penelitian KARAKTERISTIK NAVIGASI WEB PELANGGAN SHOFIA TOYS DALAM KAITAN PEMBELANJAAN SECARA ONLINE Tabel 1: Kategori Demografi Profil Demografi (%) Silakan Pilih (
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp
Lebih terperinciKAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST
KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST Timbul Pardede (timbul@mail.ut.ac.id) Jurusan Statisti FMIPA, Universitas Terbua ABSTRAK Metode Ward dan metode K-rataan
Lebih terperinciPENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )
PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 ObjePenelitian Obje penelitian merupaan hal yang tida dapat dipisahan dari suatu penelitian. Obje penelitian merupaan sumber diperolehnya data dari penelitian yang dilauan.
Lebih terperinciBAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN
BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini disampaian beberapa pengertian dasar yang diperluan pada bab selanutnya. Selain definisi, diberian pula lemma dan teorema dengan atau tanpa buti. Untu beberapa teorema
Lebih terperinciSTUDI KOMPARASI IMPLEMENTASI JARINGAN BASIS RADIAL DAN FUZZY INFERENCE SYSTEM TSK UNTUK PENYELESAIAN CURVE FITTING
STUDI KOPARASI IPEENTASI JARINGAN BASIS RADIA DAN FUZZY INFERENCE SYSTE TSK UNTUK PENYEESAIAN CURVE FITTING Sri Kusumadewi Teni Informatia Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyaarta cicie@fti.uii.ac.id
Lebih terperinciKajian Ekonomi Regional Propinsi Kepulauan Bangka Belitung Triwulan I 2009
SUPLEMEN 3 ANALISIS KETERKAITAN KENAIKAN NON PERFORMING LOAN DENGAN KARAKTERISTIK BANK UMUM SEBAGAI DAMPAK KRISIS KEUANGAN GLOBAL STUDI KASUS PERBANKAN SUMATERA SELATAN DAN BANGKA BELITUNG Krisis keuangan
Lebih terperinciUJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure
8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher
Lebih terperinciKORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciBAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.
BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas
Lebih terperinciTUGAS I RANCANGAN PERCOBAAN BAB I
TUGAS I RANCANGAN PERCOBAAN Nama : Dwi Shinta Marselina A. Pengertian Desain Esperimen BAB I Desain Esperimen Merupaan langah-langah lengap yang perlu di ambil jauh sebelum esperimen dilauan supaya data
Lebih terperincimungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing
. DISTRIUSI INOMIL pabila sebuah oin mata uang yang memilii dua sisi bertulisan ambar () dan nga () dilempar satu ali, maa peluang untu mendapatan sisi ambar adalah,5 atau. pabila oin tersebut dilempar
Lebih terperinciAplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja
Apliasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingungan Kerja terhadap Kinerja Pegawai BKKBN Provinsi Kalimantan Timur The Application of Somers d Correlation Analysis at Leadership
Lebih terperinciSah Tidaknya Sidik Ragam. Data Bermasalah. Data Bermasalah PERANCANGAN PERCOBAAN (DATA BERMASALAH)
Sah Tidanya Sidi Ragam PERANCANGAN PERCOBAAN (DATA BERMASALAH) Oleh: Dr. Ir. Dirvamena Boer, M.Sc.Agr. HP: 081 385 065 359 Universitas Haluoleo, Kendari dirvamenaboer@yahoo.com http://dirvamenaboer.tripod.com/
Lebih terperinciFAKTOR PEMBEDA STATUS KREDIT DEBITUR PROGRAM NASIONAL PEMBERDAYAAN MASYARAKAT MANDIRI PERDESAAN. Abstrak
FAKTOR PEMBEDA STATUS KREDIT DEBITUR PROGRAM NASIONAL PEMBERDAYAAN MASYARAKAT MANDIRI PERDESAAN Penulis : 1. Ana Mufidah, SE.,MM 2. Ferisa Ayu Prameswari, SE Abstrak Penelitian ini bertujuan untuk mengetahui
Lebih terperinciBAB II KONSEP DAN DEFINISI
6 BAB II KONSEP DAN DEFINISI Pada bab ini aan dijelasan onsep dan definisi-definisi yang digunaan dalam metode pada penelitian ini. 2.1 DATA TRANSAKSI isalan = { 1, 2, 3,..., } adalah himpunan semua produ
Lebih terperinciBAB 3 METODE PENELITIAN
36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye
Lebih terperinciMetode Penggerombolan Berhirarki
4 TINJAUAN PUSTAKA Analisis gerombol dalam bidang riset pemasaran sering diistilahan sebagai analisis segmentasi, merupaan alat statistia peubah ganda yang bertujuan untu mengelompoan n indiidu data e
Lebih terperincitidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama
BB IV PENGENDLIN TERDESENTRLISSI Untu menstabilan sistem yang tida stabil, dengan syarat sistem tersebut tida mempunyai fixed mode terdesentralisasi, dapat dilauan dengan memberian ompensator terdesentralisasi.
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciMATA KULIAH METODE RUNTUN WAKTU. Oleh : Entit Puspita Nip
MAA KULIAH MEODE RUNUN WAKU Oleh : Entit Puspita Nip 08 JURUSAN PENDIDIKAN MAEMAIKA FAKULAS PENDIDIKAN MAEMAIKA DAN ILMU PENGEAHUAN ALAM UNIVERSIAS PENDIDIKAN INDONESIA 00 //00 Entit Puspita BEBERAPA KONSEP
Lebih terperinciBAB 3 PRINSIP SANGKAR BURUNG MERPATI
BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana
Lebih terperinci4. 1 Spesifikasi Keadaan dari Sebuah Sistem
Dalam pembahasan terdahulu ita telah mempelajari penerapan onsep dasar probabilitas untu menggambaran sistem dengan jumlah partiel ang cuup besar (N). Pada bab ini, ita aan menggabungan antara statisti
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinci3. Sebaran Peluang Diskrit
3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3
Lebih terperinciBAB I PENDAHULUAN. 1. Data yang dianalisis adalah variabel keamanan parkir, kebersihan pasar,
PEGANGAN ASSLAB: BAB I PENDAHULUAN 1.1 Latar Belakang ( Minimal 4 Paragraf) Times New Roman F. 12 Space 2.0 Before After 0pt 1.2 Rumusan Masalah 1.3 Tujuan Praktikum ( Minimal 3 Seperti di buku ) 1.4 Batasan
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciAnalisis Varians = Analysis of Variance = ANOVA
Analisis Varians Analysis of Variance ANOVA. Pendahuluan. Distribusi F χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A. Fisher.
Lebih terperinciANALISIS VARIANSI (ANOVA)
ANALISIS VARIANSI (ANOVA) ANOVA = Analisis Varians (Anava) = Analisis Ragam = Sidi Ragam Diperenalan oleh R.A. Fisher (195) disebut uji F pengembangan dari uji t dua sampel bebas (independent samples t
Lebih terperinciBAB 4 PEMECAHAN MASALAH
BAB 4 PEMECAHAN MASALAH 4.1. Metodologi Pemecahan Masalah Metodologi pemecahan masalah dari penelitian ini terangkum dalam gambar flowchart dibawah ini. Gambar 4.1 Flowchart Metodologi Pemecahan Masalah
Lebih terperinciANALISIS TEORITIS DAN EMPIRIS UJI CRAPS DARI DIEHARD BATTERY OF RANDOMNESS TEST UNTUK PENGUJIAN PEMBANGKIT BILANGAN ACAKSEMU
ANALISIS TEORITIS DAN EMPIRIS UJI CRAPS DARI DIEHARD BATTERY OF RANDOMNESS TEST UNTUK PENGUJIAN PEMBANGKIT BILANGAN ACAKSEMU Sari Agustini Hafman dan Arif Fachru Rozi 2,2 Lembaga Sandi Negara e-mail: sari.hafman@lemsaneg.go.id,
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER. Abstrak
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Oleh : Pandapotan Siagia, ST, M.Eng (Dosen tetap STIKOM Dinamia Bangsa Jambi) Abstra Sistem pengenal pola suara atau yang lebih dienal dengan
Lebih terperinciSISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER
SISTEM ADAPTIF PREDIKSI PENGENALAN ISYARAT VOKAL SUARA KARAKTER Pandapotan Siagian, ST, M.Eng Dosen Tetap STIKOM Dinamia Bangsa - Jambi Jalan Sudirman Theoo Jambi Abstra Sistem pengenal pola suara atau
Lebih terperinciUji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group
Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:
Lebih terperinciANALISI KINERJA BANK DEVISA DAN BANK NON DEVISA DI INDONESIA
ANALISI KINERJA BANK DEVISA DAN BANK NON DEVISA DI INDONESIA Oleh Poso Nugroho, SE., MM 030343 UNIVERSITAS GUNADARMA Januari 2009 1 ANALISI KINERJA BANK DEVISA DAN BANK NON DEVISA DI INDONESIA Poso Nugroho
Lebih terperinciBAB IV METODE BELAJAR HEBBIAN
BAB IV MEODE BELAJAR HEBBIAN - Aturan Hebb meruaan salah satu huum embelajaran jaringan neural yang ertama. Diemuaan oleh Donald Hebb (949). Hebb lahir di Chester, Nova Scotia, ada ergantian abad. - Isinya
Lebih terperinci2. Menentukan koleksi inti ubi kayu dan mengevaluasi kebaikan koleksi inti yang diperoleh. METODE. Data
2 2. Menentuan olesi inti ubi ayu dan mengevaluasi ebaian olesi inti yang dieroleh. METODE Data Data yang digunaan dalam enelitian ini berasal dari Kelomo Peneliti Pengelolaan Sumberdaya Geneti (Kelti
Lebih terperinciRancangan Petak Terbagi
Rancangan Peta Terbagi Ade Setiawan 009 Percobaan Split-plot merupaan superimpose dari dua jenis satuan percobaan dimana rancangan lingungan untu eduanya bisa sama ataupun berbeda. Satuan percobaan untu
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID
APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas
Lebih terperinciALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER
ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE
Lebih terperinciPenggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler
Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperinciFAKTOR FAKTOR YANG MEMPENGARUHI KOLEKTIBILITAS PEMBAYARAN KREDIT UKM PETANI BAWANG PADA BANK BRI CABANG BREBES
FAKTOR FAKTOR YANG MEMPENGARUHI KOLEKTIBILITAS PEMBAYARAN KREDIT UKM PETANI BAWANG PADA BANK BRI CABANG BREBES WENDRA AFRIANA ADI KUSWANTO Fakultas Ekonomi, Universitas Gunadarma weiyacb@yahoo.com adikuswanto@staff.gunadarma.ac.id
Lebih terperinciAnalisis Varians = Analysis of Variance = ANOVA
. Pendahuluan. Distribusi F Analisis Varians Analysis of Variance ANOVA χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A.
Lebih terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
Lebih terperinciAnalisis Diskriminan Dalam Mengklasifikasikan Predikat Kesehatan Bank (Studi Kasus Pada Bank Umum Syari ah)
Analisis Diskriminan Dalam Mengklasifikasikan Predikat Kesehatan Bank (Studi Kasus Pada Bank Umum Syari ah) Desi Rahmatina Fakultas Ekonomi Universitas Maritim Raja Ali Haji Tanjungpinang ABSTRAK Penelitian
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY
SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni
Lebih terperinciLECTURE 9 REGRESI LOGISTIK & DISKRIMINAN
LECTURE 9 REGRESI LOGISTIK & DISKRIMINAN DR. MUDRAJAD KUNCORO, M.Soc.Sc Fakultas Ekonomi & Pascasarjana UGM Outline: Multinomial Regresi Binary Logistik Analisis Diskriminan Perbandingan multinomial, binary,
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas
Lebih terperinciModel Geographically Weighted Negative Binomial Regression (GWNBR) untuk Data Kejahatan
Model Geographically Weighted Negative Binomial Regression (GWNBR) untu Data Kejahatan (Studi Kasus 38 Kabupaten/Kota di Jawa Timur) Herlin Venny Johannes 1,a), Septiadi Padmadisastra,b), Bertho Tantular
Lebih terperinciDeret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
Lebih terperinciStudi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya
Studi dan Analisis mengenai Hill ipher, Teni Kriptanalisis dan Upaya enanggulangannya Arya Widyanaro rogram Studi Teni Informatia, Institut Tenologi Bandung, Jl. Ganesha 10 Bandung Email: if14030@students.if.itb.ac.id
Lebih terperinciANALISA DISKRIMINAN PADA TINGKAT KINERJA PEGAWAI YANG DIPENGARUHI FAKTOR-FAKTOR BUDAYA KERJA (Studi Pada Dinas Kebersihan dan Pertamanan Kota Madiun)
ANALISA DISKRIMINAN PADA TINGKAT KINERJA PEGAWAI YANG DIPENGARUHI FAKTOR-FAKTOR BUDAYA KERJA (Studi Pada Dinas Kebersihan dan Pertamanan Kota Madiun) Aminudin Azis Program Studi Administrasi Bisnis, Politeknik
Lebih terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciUji statistik multivariat digunakan untuk menguji
132 PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM PEMANFAATAN SPSS DALAM PENELITIAN BIDANG KESEHATAN & UMUM 133 BAB 6 ANALISIS MULTIVARIAT Uji statistik multivariat digunakan untuk menguji
Lebih terperinciKesesuaian Metode Regresi Nonparametrik Spline, B-spline, dan P-spline dalam Menduga Kurva Regresi
Laporan Penelitian Lanjut idang Ilmu Kesesuaian Metode Regresi Nonparametri Spline, spline, dan Pspline dalam Menduga Kurva Regresi Oleh: Dra. Harmi Sugiarti, M.Si Pusat Penelitian dan Pengabdian epada
Lebih terperinci