ANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA. Bahriddin Abapihi 1)
|
|
- Sonny Chandra
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Bahriddin Abapihi//Paradigma, Vol.15 No.1 Pebruari 2011 hlm ANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA Bahriddin Abapihi 1) 1) Jurusan Matematika FMIPA, Universitas Haluoleo, Kendari Indonesia ABSTRAK Analisis Ragam Peubah Ganda (MANOVA) dalam perancangan percobaan multirespons lazim digunakan untuk menguji pengaruh perlakuan secara serempak. Jika faktor-faktor yang dicobakan pengaruhnya nyata (signifikan), maka sulit bagi peneliti untuk mengetahui taraf (level) yang memberikan pengaruh yang optimum dari faktor-faktor yang dicobakan. Apalagi bila faktor yang pengaruhnya nyata adalah faktor interaksi, penentuan taraf yang optimum sangat sulit untuk dilakukan. Tulisan ini mencoba teknik alternatif dengan cara menggunakan skor komponen utama pertama dari analisis komponen utama sebagai satu-satunya peubah respons, sehingga analisis ragam yang digunakan adalah analisis ragam peubah tunggal (ANOVA) dan bukan analisis ragam peubah ganda (MANOVA). Interpretasi hasil analisis ragam dengan skor komponen utama pertama ini sama dengan interpretasi pada analisis ragam satu peubah seperti yang lazim digunakan. Kata kunci: percobaan multirespons, MANOVA, ANOVA, skor komponen utama ABSTRACT Multivariate Analysis of Variance (MANOVA) is commonly used in multiresponse experiments to test simultaneously treatment effects on responses. When the effects of treatments, however, are significant, it is difficult for researchers to investigate which level of the treatments giving the optimum effect on the responses, especially if the interaction factor is significant. In this paper, an alternative technique is proposed by using the first score of principal component analysis as the only response variable. Then, univariate analysis of variance (ANOVA) is applied rather than applying multivariate analysis of variance (MANOVA) on the data. Interpretation of the result using first principal component score is simply the same as that using an ordinary ANOVA with one response variable. Key words: multiresponse experiment, MANOVA, ANOVA, principal component score Diterima: 10 Desember 2010; Disetujui untuk dipublikasikan: 25 Januari Pendahuluan Metode analisis untuk percobaan yang memiliki respons ganda selama ini dilakukan
2 Analisis Ragam Skor Komponen Utama 12 dengan analisis ragam peubah ganda (Multivariate Analysis of Variance, MANOVA). Metode ini cukup efektif dalam mendeteksi beda pengaruh taraf perlakuan dari faktorfaktor yang dicobakan pada percobaan dengan respons-ganda (multiresponse experiments) [2], [4]. Akan tetapi metode ini tidak efektif dalam menangani percobaan yang melibatkan pengaruh interaksi dari faktor-faktor yang dicobakan. Jika pun dapat mendeteksi adanya interaksi antar faktor yang dicobakan, metode ini tidak mampu memberi gambaran yang jelas tentang taraf-taraf mana saja dari faktor-faktor yang dicobakan memberikan nilai respons yang optimum. Ketidakmampuan metode MANOVA ini terutama disebabkan sulitnya melakukan plot interaksi faktor terhadap respons-respons secara serempak dalam satu grafik sebagaimana dapat dilakukan pada percobaan dengan respons tunggal. Selain itu, penggunaan MANOVA mensyaratkan peubah-peubah respons yang dianalisis haruslah menyebar normal-ganda, suatu syarat yang sulit dipenuhi dalam praktek [2]. Tulisan ini mengembangkan suatu teknik yang dapat digunakan untuk mengatasi masalah di atas dengan cara mentransformasi respons-ganda menjadi respons-tunggal. Dalam hal ini p peubah respons ditransformasi dengan menggunakan analisis komponen utama (PCA, principal component analysis). Selanjutnya, melalui teknik ini skor komponen utama pertama dipandang sebagai suatu peubah respons yang mewakili peubah respons-ganda. Dengan satu peubah respons inilah metode analisis ragam peubah tunggal (ANOVA) dilakukan, bukan terhadap masing-masing peubah respons, sehingga memudahkan dalam analisis dan interpretasi. Dengan hanya satu pubah, dapat dengan mudah diidentifikasi pada taraf-taraf mana dari faktor-faktor yang dicobakan memberikan pengaruh yang optimum pada respons-ganda secara serempak. 2. Analisis Komponen Utama Kegunaan utama dari analisis komponen utama adalah mengganti p peubah yang berkorelasi metrik dengan sejumlah r (r < p) peubah tak-berkorelasi yang memuat sebahagian besar informasi dari gugus data asal. Secara aljabar, komponen utama merupakan kombinasi linear dari p peubah acak X 1, X 2,..., X p. Sedangkan secara geometrik kombinasi linear ini mewakili pemilihan sistem koordinat baru yang diperoleh dengan merotasikan sistem asal dengan X 1, X 2,..., X p sebagai sumbu-sumbu koordinat. Sumbu-
3 Bahriddin Abapihi//Paradigma, Vol.15 No.1 Pebruari 2011 hlm sumbu yang baru ini mewakili arah dengan variabilitas terbesar dan memberikan gambaran yang lebih mudah tentang struktur peragamnya [2]. Misalkan vektor acak X = [X 1, X 2,..., X p ] memiliki matriks peragam Σ dengan akar ciri λ 1 λ 2... λ p 0. Perhatikan kombinasi-kombinasi linear Y 1 = a 1 X = a 11 X 1 + a 12 X a 1p X p Y 2 = a 2 X = a 21 X 1 + a 22 X a 2p X p : : Y p = a p X = a p1 X 1 + a p2 X a pp X p Maka diperoleh Var (Y i ) = a i Σa i i = 1, 2,..., p Cov (Y i, Y k ) = a i Σa k i, k = 1, 2,..., p Y 1, Y 2,..., Y p merupakan komponen-komponen utama kombinasi linear dari peubah asal X yang tidak saling berkorelasi. Komponen utama pertama dengan ragam terbesar diperoleh dengan memaksimumkan Var (Y 1 ) = a 1 Σa 1 dengan kendala a 1 a 1 = 1. Komponen utama kedua diperoleh dengan memaksimumkan Var (Y 2 ) = a 2 Σa 2 dengan kendala a 2 a 2 = 1 dan Cov (Y 2, Y 1 ) = 0. Demikian pula untuk komponen utama ke-i diperoleh dengan memaksimumkan Var (Y i ) = a i Σa i dengan kendala a i a i = 1 dan Cov (Y i, Y k ) = 0 untuk setiap k < i. 2. Model ANOVA dan MANOVA Dua Faktor dengan Interaksi Secara umum model ANOVA dan MANOVA memliki kemiripan, hanya berbeda pada banyaknya peubah respons yang digunakan. Dalam tulisan ini hanya akan ditampilkan model untuk ANOVA dan MANOVA dengan dua faktor dan memiliki komponen interaksi. Model ANOVA dua faktor dengan komponen interaksi dapat dituliskan sebagai berikut: x ijk = µ + α i + β j + γ ij + ε ijk
4 Analisis Ragam Skor Komponen Utama 14 dengan Σ α i = Σ β j = Σ γ ij = 0 dan ε ijk peubah acak normal N(0, σ 2 ) yang saling bebas. Pada model ini µ menggambarkan rataan umum, α i pengaruh tetap faktor pertama, β j pengaruh tetap faktor kedua, dan γ ij sebagai interaksi antara faktor pertama dan faktor kedua [1], [3]. Seperti halnya dengan model ANOVA, model MANOVA dua faktor dengan interaksi dapat dituliskan sebagai berikut: x ijk = µ + α i + β j + γ ij + ε ijk dengan Σ α i = Σ β j = Σ γ ij = 0. Semua simbol untuk model MANOVA merupakan vektor berukuran p 1 (p banyaknya peubah respons) dan ε ijk merupakan vektor acak normal ganda N p (0, Σ) yang saling bebas [1]. 3. Hasil dan Pembahasan Pembahasan untuk masalah di atas didasarkan pada data rekaan yang memiliki tiga peubah respons. Bila pengujian pengaruh dari faktor-faktor yang dicobakan pada masingmasing respons dengan ANOVA biasa semuanya nyata (pengaruh yang signifikan), analisis dengan menggunakan metode MANOVA dan ANOVA satu peubah yang dihasilkan dari analisis komponen utama juga seharusnya berbeda nyata. Data yang digunakan dalam tulisan ini adalah data rekaan dengan melihat pengaruh dua faktor (faktor A dan faktor B) serta pengaruh interaksi kedua faktor tersebut. Analisis data dilakukan dengan SAS a. Analisis Ragam (ANOVA) Terpisah untuk Setiap Peubah Respons Hasil analisis data dengan ANOVA secara terpisah untuk setiap peubah respons seperti ditampilkan pada Tabel 1, Tabel 2, dan Tabel 3, menunjukkan bahwa peubah respons pertama yaitu X 1 didapatkan faktor A, faktor B dan faktor interaksi A*B semuanya nyata dengan nilai signifikansi yang sama (nilai-p 0.00), kecuali faktor ulangan yang tidak nyata (nilai-p 0.883). Sedangkan analisis ragam pada peubah respons yang kedua (X 2 ) dan peubah respons yang ketiga (X 3 ), dua faktor yaitu faktor B dan interaksi A*B nyata pengaruhnya (dengan nilai-p sama 0.00), dan dua faktor lainnya yaitu faktor A dan ulangan dari kedua respons ini tidak nyata dengan nilai-p berturut-turut untuk faktor A dan ulangan adalah dan (respons X 2 ) dan dan (respons X 3 ).
5 Bahriddin Abapihi//Paradigma, Vol.15 No.1 Pebruari 2011 hlm Tabel 1 Analisis Ragam untuk Peubah Respons X 1 Sumber db JK KT F P Keragaman A B A*B Ulangan Galat Total Keterangan: db = derajat bebas, JK = jumlah kuadrat, KT = kuadrat tengah, F = nilai F hitung, dan P = nilai-p Tabel 2 Analisis Ragam untuk Peubah Respons X 2 Sumber db JK KT F P Keragaman A B A*B Ulangan Galat Total Keterangan: db = derajat bebas, JK = jumlah kuadrat, KT = kuadrat tengah, F = nilai F hitung, dan P = nilai-p Tabel 3 Analisis Ragam untuk Peubah Respons X 3 Sumber db JK KT F P Keragaman A B A*B Ulangan Galat Total Keterangan: db = derajat bebas, JK = jumlah kuadrat, KT = kuadrat tengah, F = nilai F hitung, dan P = nilai-p b. Analisis Ragam Peubah Ganda (MANOVA) secara Serempak Tiga Peubah Analisis ragam secara serempak terhadap tiga peubah respons seperti dapat dilihat pada Tabel 4, menunjukkan pengaruh yang nyata pada faktor A, faktor B dan interaksi A*B. Hal ini dapat dilihat nilai-p yang semuanya kecil (0.00) dengan kriteria apapun dari empat kriteria pengujian yang ditampilkan yaitu kriteria uji Wilk, Lawley-Hotelling, Pillai dan Roy. Seperti halnya pada analisis ragam untuk setiap satu peubah respons, faktor
6 Analisis Ragam Skor Komponen Utama 16 ulangan juga menunjukkan hasil yang tidak nyata berdasarkan semua kriteria pengujian dengan nilai-p sebesar (Wilk), (Lawley-Hotelling), dan (Pillai). c. Penentuan Skor Komponen Utama Pertama Berdasarkan hasil analisis komponen utama, diperoleh komponen utama pertama Y 1 = PC1 = X X X 3. Besar keragaman yang dapat dijelaskan dari komponen utama pertama ini adalah 53.3%, suatu nilai yang cukup dapat diandalkan meski tidak terlalu baik. Skor komponen utama pertama didapatkan dengan memasukkan nilainilai peubah respons X 1, X 2, dan X 3 ke dalam rumus Y 1 = X X X 3. Tabel 4 Analisis Ragam Serentak (MANOVA) untuk Tiga Peubah Respons X 1, X 2 dan X 3 Faktor A Kriteria Uji Statistik Uji Aproksimasi F db Nilai-p Wilk s (9, 141) Lawley-Hotelling (9, 170) Pillai s (9, 180) Roy s Faktor B Kriteria Uji Statistik Uji Aproksimasi F db Nilai-p Wilk s (9, 141) Lawley-Hotelling (9, 170) Pillai s (9, 180) Roy s Ulangan Kriteria Uji Statistik Uji Aproksimasi F db Nilai-p Wilk s (12, 153) Lawley-Hotelling (12, 170) Pillai s (12, 180) Roy s Interaksi A*B Kriteria Uji Statistik Uji Aproksimasi F db Nilai-p Wilk s (27, 170) Lawley-Hotelling (27, 170) Pillai s (27, 180) Roy s Skor atau nilai dari Y 1 inilah yang selanjutnya digunakan sebagai peubah respons dalam analisis ragam (ANOVA). Tabel 5 Analisis Ragam untuk Peubah Respons Skor Komponen Utama Pertama
7 Bahriddin Abapihi//Paradigma, Vol.15 No.1 Pebruari 2011 hlm Sumber db JK KT F P Keragaman A B A*B Ulangan Galat Total Keterangan: db = derajat bebas, JK = jumlah kuadrat, KT = kuadrat tengah, F = nilai F hitung, dan P = nilai-p d. Analisis Ragam Skor Komponen Utama Pertama Analisis ragam yang dilakukan terhadap satu peubah respons atau komponen utama pertama dari hasil analisis komponen utama seperti yang ditampilkan pada Tabel 5, menunjukkan bahwa selain faktor ulangan dengan nilai-p 0.767, semua faktor yang diuji yaitu faktor A, faktor B, dan faktor interaksi A*B memperlihatkan nilai-p yang nyata (semua nilai-p yang dihasilkan adalah sama 0.00). Hal ini sejalan dengan hasil analisis data dengan MANOVA (ditunjukkan pada Tabel 4) yang menghasilkan kesimpulan yang sama tentang signifikansi faktor-faktor yang diuji. 4. Kesimpulan Analisis ragam peubah tunggal (ANOVA) terhadap skor kompomem utama pertama yang merupakan kombinasi linear dari peubah-peubah responsnya menunjukkan hasil yang sama baiknya dengan analisis ragam peubah ganda (MANOVA) terhadap peubah-peubah respons secara serempak. ANOVA terhadap skor komponen utama pertama terlihat lebih efisien digunakan terutama bila menjelaskan taraf dari faktor yang membuat nilai respons optimum. Daftar Pustaka [1] [2] [3] Hedeker, D. & Gibbons, R. D Longitudinal Data Analysis. New Jersey: Wiley. Johnson, R. A. & Wichern, D. W Applied Multivariate Statistical Analysis. London: Prentice-Hall. Gomez, K. A. & Gomez, A. A Statistical Procedures for Agricultural
8 Analisis Ragam Skor Komponen Utama 18 [4] Reserch. New Jersey: Wiley. Morrison, D. F Multivariate Statistical Methods. New York: McGraw- Hill.
SIMULASI RANCANGAN ACAK KELOMPOK TAK LENGKAP SEIMBANG DAN EFISIENSINYA
Agusrawati //Paradigma, Vol. 16 No.1, April 2012, hlm. 31-38 SIMULASI RANCANGAN ACAK KELOMPOK TAK LENGKAP SEIMBANG DAN EFISIENSINYA Agusrawati 1) 1) Jurusan Matematika FMIPA Unhalu, Kendari, Sulawesi Tenggara
Lebih terperinciPenggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot
Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier Bernhard M. Wongkar 1, John S. Kekenusa 2, Hanny A.H. Komalig 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, bernhard.wongkar2011@gmail.com
Lebih terperinciAbstract. Abstrak. Keywords : Principal Component Analysis, Agriculture Production and Plantation
JdC, Vol. 3, No. 2, September, 2014 1 Penggunaan Analisis Komponen Utama Dalam Penggabungan Data Peubah Ganda pada Kasus Produksi Pertanian dan Perkebunan Di Wilayah Bolaang Mongondow Tahun 2008 1 Sunarsi
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 2, 71-81, Agustus 2001, ISSN :
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
Lebih terperinciBAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan
6 BAB II TINJAUAN PUSTAKA Pada Bab II akan dibahas konsep-konsep yang menjadi dasar dalam penelitian ini yaitu analisis regresi, analisis regresi multilevel, model regresi dua level, model regresi tiga
Lebih terperinciANALISIS RAGAM PEUBAH GANDA (MANOVA)
ANALISIS RAGAM PEUBAH GANDA (MANOVA) ANOVA VS MANOVA Analisis Ragam Satu Peubah (Anova) Analisis Ragam Peubah Ganda (Manova) Pengaruh perlakuan terhadap respon tunggal Pengaruh Perlakuan terhadap multi
Lebih terperinciMinggu XI ANALISIS KOMPONEN UTAMA. Utami, H
Minggu XI ANALISIS KOMPONEN UTAMA Utami, H Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen Utama 4 Contoh Utami, H Minggu XIANALISIS KOMPONEN UTAMA 2 / 16 Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen
Lebih terperinciTINJAUAN PUSTAKA Analisis Gerombol
3 TINJAUAN PUSTAKA Analisis Gerombol Analisis gerombol merupakan analisis statistika peubah ganda yang digunakan untuk menggerombolkan n buah obyek. Obyek-obyek tersebut mempunyai p buah peubah. Penggerombolannya
Lebih terperinciMENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL
MENENTUKAN PENGARUH INTERAKSI PERLAKUAN DENGAN METODE POLINOMIAL ORTOGONAL E. JULIANTINI Balai Besar Penelitian dan Pengembangan Bioteknologi dan Sumberdaya Genetik Pertanian, Jl. Tentara Pelajar No.,
Lebih terperinciANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI
Lebih terperinciMODEL AMMI PERCOBAAN LOKASI GANDA PEMUPUKAN N, P, K
, April 2009 p : 11-15 ISSN : 0853-8115 Vol 14 No.1 MODEL AMMI PERCOBAAN LOKASI GANDA PEMUPUKAN N, P, K Mohammad Masjkur 1 dan Niken Dyah Septiastuti Departemen Statistika FMIPA-IPB E-mail : 1 masjkur@gmail.com
Lebih terperinciKeywords: Factorial Experiment, CRBD, AMMI, Analysis of Variance, PCA, Biplot
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 529-536 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS VARIAN PERCOBAAN FAKTORIAL DUA FAKTOR RAKL DENGAN METODE
Lebih terperinciBAB. IX ANALISIS REGRESI FAKTOR (REGRESSION FACTOR ANALYSIS)
BAB. IX ANALII REGREI FAKTOR (REGREION FACTOR ANALYI) 9. PENDAHULUAN Analisis regresi faktor pada dasarnya merupakan teknik analisis yang mengkombinasikan analisis faktor dengan analisis regresi linier
Lebih terperinciHASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:
. Menyiapkan gugus data pencilan dengan membangkitkan peubah acak normal ganda dengan parameter µ yang diekstrimkan dari data contoh dan dengan matriks ragam-peragam yang sama dengan data contoh. Proses
Lebih terperinciIDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN DINI DENGAN METODE ANALISIS FAKTOR
Saintia Matematika Vol. 2, No. 1 (2014), pp. 1 11. IDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN DINI DENGAN METODE ANALISIS FAKTOR Aswin Bahar, Gim Tarigan, Pengarapen Bangun Abstrak. Pernikahan dini merupakan
Lebih terperinciMetode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas
Vol. 14, No. 1, 93-99, Juli 2017 Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Nurhasanah Abstrak Regresi berganda dengan peubah bebas saling berkorelasi (multikolinearitas)
Lebih terperinciPENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN)
Saintia Matematika Vol. 1, No. 6 (2013), pp. 507 516. PENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN) Juliarti Hardika,
Lebih terperinciS 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Lebih terperinciAnalisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya
Jurnal Penelitian Sains Volume 14 Nomer 4(A) 14403 Analisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya Yuli Andriani,
Lebih terperinci(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN
4 karena adanya perbedaan satuan pengukuran antar peubah. 1.. Memastikan tidak adanya pencilan pada data dengan mengidentifikasi adanya pencilan pada data. Pengidentifikasian pencilan dilakukan dengan
Lebih terperinciPENGGUNAAN UJI MULTIVARIAT FRIEDMAN PADA RANCANGAN ACAK KELOMPOK LENGKAP
PENGGUNAAN UJI MULTIVARIAT FRIEDMAN PADA RANCANGAN ACAK KELOMPOK LENGKAP Ariyani 1, Raupong, Annisa 3 ABSTRAK Rancangan Acak Kelompok Lengkap (RAKL) merupakan salah satu bentuk rancangan lingkungan dimana
Lebih terperinciRancangan Blok Terpisah (Split Blok)
Rancangan Blok Terpisah (Split Blok) KULIAH 13 PERANCANGAN PERCOBAAN (STK 222) rahmaanisa@apps.ac.id Rancangan Split Blok Kedua faktor merupakan petak utama Pengaruh yang ditekankan adalah pengaruh interaksi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis multivariat merupakan salah satu teknik statistik yang digunakan untuk memahami struktur data dalam dimensi tinggi. Variabel-variabel itu saling terkait satu
Lebih terperinciPercobaan Rancangan Petak Terbagi dalam RAKL
Percobaan Rancangan Petak Terbagi dalam RAKL Kuliah 12 Perancangan Percobaan (STK 222) rahmaanisa@apps.ipb.ac.id Review Kapan rancangan split-plot digunakan? Apakah perbedaan split-plot dibandingkan dengan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,
Lebih terperinciANALISIS RAGAM MULTIVARIAT UNTUK RANCANGAN ACAK LENGKAP DENGAN PENGAMATAN BERULANG. Tatik Widiharih Jurusan Matematika FMIPA UNDIP.
ANALISIS RAGAM MULTIVARIAT UNTUK RANCANGAN ACAK LENGKAP DENGAN PENGAMATAN BERULANG Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Rancangan satu faktor dengan satuan percobaan yang dipergunakan
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 3, , Desember 2001, ISSN :
JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No., 19-150, Desember 001, ISSN : 1410-8518 ANALISIS RAGAM MULTIVARIAT UNTUK RANCANGAN ACAK LENGKAP DENGAN PENGAMATAN BERULANG Tatik Widiharih Jurusan Matematika
Lebih terperinciPERCOBAAN MENGGUNAKAN SPLIT PLOT DENGAN RANCANGAN DASAR RAK RANCANGAN PERCOBAAN
PERCOBAAN MENGGUNAKAN SPLIT PLOT DENGAN RANCANGAN DASAR RAK RANCANGAN PERCOBAAN Kelompok 11 : Devita Arum S. 12110101015 Saiful Fadillah 12110101027 Wafiyatul Khusna 12110101047 Firstyan Puguh N.C. 12110101051
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciPENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA. Tatik Widiharih Jurusan Matematika FMIPA UNDIP
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam bab ini akan dibahas beberapa konsep dasar, definisi-definisi serta teorema
II. TINJAUAN PUSTAKA Dalam bab ini akan dibahas beberapa konsep dasar, definisi-definisi serta teorema yang berkaitan dalam hal pendugaan parameter pada model linier campuran ini, yaitu sebagai berikut
Lebih terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciPenggunaan Analisis Faktor (Factor Analysis) dengan Aplikasi Program SPSS 11.5
Penggunaan Analisis Faktor (Factor Analysis) dengan Aplikasi Program SPSS 11.5 Oleh: Muji Gunarto (mgunarto@hotmail.com) I. Pendahuluan (Landasan Teori) Analisis faktor adalah salah satu analisis yang
Lebih terperinciMENGATASI MULTIKOLINEARITAS MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS (PCA)
MENGATASI MULTIKOLINEARITAS MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS (PCA) Laporan Praktikum ke-2 Disusun untuk Memenuhi Laporan Praktikum Analisis Regresi Lanjutan Oleh Nama : Faisyal Nim : 125090507111001
Lebih terperinciTINJAUAN PUSTAKA Analisis Biplot Biasa
TINJAUAN PUSTAKA Analisis Biplot Biasa Analisis biplot merupakan suatu upaya untuk memberikan peragaan grafik dari matriks data dalam suatu plot dengan menumpangtindihkan vektor-vektor dalam ruang berdimensi
Lebih terperinciKOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 17-22 ISSN: 2303-1751 KOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN I MADE ANOM ARIAWAN 1, I PUTU EKA NILA KENCANA 2, NI LUH PUTU
Lebih terperinciANALISIS VARIANS TIGA FAKTOR PADA RANCANGAN SPLIT-SPLIT PLOT
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (015), hal 379 386. ANALISIS VARIANS TIGA FAKTOR PADA RANCANGAN SPLIT-SPLIT PLOT Silvia Widayanti, Muhlasah Novitasari Mara, Neva Satyahadewi
Lebih terperinciBAB III LANDASAN TEORI
11 BAB III LANDASAN TEORI 3.1 Tinjauan Statistik 3.1.1 Analisis Deskriptif Analisis statistik deskriptif adalah suatu metode analisis yang merupakan teknik mengumpulkan, mengolah, menyederhanakan, menyajikan
Lebih terperinciANALISIS KOMPONEN UTAMA PADA PENERAPAN APLIKASI PEMBELAJARAN METODE GLENN DOMAN
ANALISIS KOMPONEN UTAMA PADA PENERAPAN APLIKASI PEMBELAJARAN METODE GLENN DOMAN Anik Rufaidah 1, Muhamad Afif Effindi 2 1 Program Studi Teknik Industri, 2 Program Studi Teknik Informatika Sekolah Tinggi
Lebih terperinciBAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma
BAB II TINJAUAN PUSTAKA Bab ini akan membahas pengertian metode klasifikasi berstruktur pohon, konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma CHAID, keakuratan dan kesalahan dalam
Lebih terperinciANALISIS FAKTOR-FAKTOR PENYEBAB KEMISKINAN DI PROVINSI JAWA TIMUR DENGAN METODE EKSPLORATORI KOMPONEN UTAMA
ANALISIS FAKTOR-FAKTOR PENYEBAB KEMISKINAN DI PROVINSI JAWA TIMUR DENGAN METODE EKSPLORATORI KOMPONEN UTAMA Rina Fitrianita Rizki 1, Susiswo 2 Universitas Negeri Malang E-mail: rin.bluey.7@gmail.com Abstrak:
Lebih terperinciAnalisis Komponen Utama (Principal component analysis)
Analisis Komponen Utama (Principal component analysis) A. LANDASAN TEORI Misalkan χ merupakan matriks berukuran nxp, dengan baris-baris yang berisi observasi sebanyak n dari p-variat variabel acak X. Analisis
Lebih terperinciPERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc.
PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc. PENGUJIAN HIPOTESIS Langkah-langkah pengujian hipotesis: 1) Merumuskan hipotesis 2) Memilih taraf nyata α 3) Menentukan
Lebih terperinciBAB III MODEL REGRESI DATA PANEL. Pada bab ini akan dikemukakan dua pendekatan dari model regresi data
BAB III MODEL REGRESI DATA PANEL Pada bab ini akan dikemukakan dua pendekatan dari model regresi data panel, yaitu pendekatan fixed effect dan pendekatan random effect yang merupakan ide pokok dari tugas
Lebih terperinciBAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
Lebih terperinciPENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI
E-Jurnal Matematika Vol. 2, No.2, Mei 2013, 32-36 ISSN: 2303-1751 PENERAPAN METODE PERMUKAAN RESPONS DALAM MASALAH OPTIMALISASI ADE KUSUMA DEWI 1, I WAYAN SUMARJAYA 2, I GUSTI AYU MADE SRINADI 3 1,2,3
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Bank adalah lembaga keuangan yang merupakan penggerak utama dalam pertumbuhan perekonomian masyarakat Indonesia. Sebagai lembaga Intermediasi, bank memiliki
Lebih terperinciMODEL-MODEL LEBIH RUMIT
MAKALAH MODEL-MODEL LEBIH RUMIT DISUSUN OLEH : SRI SISKA WIRDANIYATI 65 JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA 04 BAB I PENDAHULUAN. Latar Belakang
Lebih terperinciRancangan Petak Terpisah dalam RAL
Rancangan Petak Terpisah dalam RAL KULIAH 11 PERANCANGAN PERCOBAAN (STK222) rahmaanisa@apps.ipb.ac.id Latar Belakang Sejarah : Rancangan ini awalnya berkembang pada bidang pertanian (Montgomery, 1997;
Lebih terperinciPertemuan 10 STATISTIKA INDUSTRI 2. Multiple Linear Regression. Multiple Linear Regression. Multiple Linear Regression 19/04/2016
19/04/016 Pertemuan 10 STATISTIKA INDUSTRI TIN 4004 Outline: and Correlation Non Linear Regression Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability for Engineers, 5 th Ed. John
Lebih terperinciPerancangan Percobaan
Perancangan Percobaan Ade Setiawan 009 Review RAL: Satuan percobaan homogen Keragaman Respons disebabkan pengaruh perlakuan RAK: Satuan percobaan heterogen Keragaman Respons disebabkan pengaruh Perlakuan
Lebih terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciOPTIMASI DENGAN METODE DAKIAN TERCURAM
OPTIMASI DENGAN METODE DAKIAN TERCURAM Marwan Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Syiah Kuala, Jln. Syekh Abdur Rauf No. 3 Darussalam, Banda Aceh 23111 email:
Lebih terperinciPercobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc.
Percobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc. Rancangan Acak Lengkap (RAL) RAL merupakan rancangan paling sederhana di antara rancangan-rancangan percobaan baku.
Lebih terperinciPENDUGAAN DATA HILANG PADA RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ANALISIS KOVARIAN
PENDUGAAN DATA HILANG PADA RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ANALISIS KOVARIAN SKRIPSI Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Statistika FSM UNDIP Oleh
Lebih terperinciAnalisis Model Regresi Linear Berganda dengan Metode Response Surface
Jurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika
Lebih terperinciANALISIS RANCANGAN BUJUR SANGKAR GRAECO LATIN
ANALISIS RANCANGAN BUJUR SANGKAR GRAECO LATIN SKRIPSI Disusun Oleh: YUYUN NAIFULAR J2E009052 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2013 ANALISIS RANCANGAN BUJUR
Lebih terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciPengutipan Pustaka dan Penulisan Daftar Pustaka
Tugas Analisis Perancangan Survei Pengutipan Pustaka dan Penulisan Daftar Pustaka SELPADINA INDRIYANI H12112009 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciJurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika
Lebih terperinciPEMODELAN PRODUKSI TANAMAN PANGAN BERDASARKAN KARAKTERISTIK TENAGA KERJA MENGGUNAKAN REGRESI AKAR CIRI
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 86 95 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN PRODUKSI TANAMAN PANGAN BERDASARKAN KARAKTERISTIK TENAGA KERJA MENGGUNAKAN REGRESI AKAR CIRI
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman 279-288 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS VARIAN DUA FAKTOR DALAM RANCANGAN PENGAMATAN BERULANG ( REPEATED MEASURES
Lebih terperinciPROSIDING ISSN : Seminar Nasional Statistika 12 November 2011 Vol 2, November 2011
(DS.6) ANALISIS KURVA PERTUMBUHAN SEBAGAI ANALISIS SETELAH MANOVA UNTUK DATA LONGITUDINAL Enny Supartini Statistika F MIPA Universitas Padjadjaran Bandung e-mail : arthinii@yahoo.com Abstrak Eksperimen
Lebih terperinciBAB II KAJIAN PUSTAKA. sehingga dapat diamati dan diidentifikasi alasan-alasan perubahan yang terjadi
BAB II KAJIAN PUSTAKA A. Rancangan Percobaan Rancangan percobaan dapat diartikan sebagai serangkaian uji dimana perubahan yang berarti dilakukan pada variabel dari suatu proses atau sistem sehingga dapat
Lebih terperinciMatematika dan Statistika
ISSN 4-6669 Volume, Juni 0 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Model Permukaan Respon pada(4 3) MODEL PERMUKAAN RESPON PADA PERCOBAAN
Lebih terperinciPADA KERAGAMAN KELOMPOK FAKTORIAL RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ULANGAN
PERBANDINGAN ANALISIS INTERBLOK DAN INTERGRADIEN PADA KERAGAMAN KELOMPOK FAKTORIAL RANCANGAN ACAK KELOMPOK LENGKAP DENGAN ULANGAN Fadhlul Mubarak Nasution, Anisa, Raupong Program Studi Statistika, FMIPA,
Lebih terperinciJMP : Volume 6 Nomor 1, Juni 2014, hal REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP
JMP : Volume 6 Nomor 1, Juni 014, hal. 45-5 REGRESI LINEAR BIVARIAT SIMPEL DAN APLIKASINYA PADA DATA CUACA DI CILACAP Saniyah dan Budi Pratikno Program Studi Matematika Fakultas Sains dan Teknik Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Rancangan Percobaan Rancangan percobaan merupakan suatu uji dalam atau deretan uji baik menggunakan statistika deskripsi maupun statistika inferensia, yang bertujuan untuk mengubah
Lebih terperinciBAB II TINJAUAN PUSTAKA. Hal ini sangat membantu dalam proses pembuktian sifat-sifat dan perhitungan
6 BAB II TINJAUAN PUSTAKA 2.1 Matriks Persamaan regresi linear berganda dapat dinyatakan dalam bentuk matriks. Hal ini sangat membantu dalam proses pembuktian sifat-sifat dan perhitungan matematis dari
Lebih terperinciFAKTOR FAKTOR YANG MEMENGARUHI MINAT MAHASISWA ASAL LUAR BALI KULIAH DI FMIPA UNIVERSITAS UDAYANA BALI
FAKTOR FAKTOR YANG MEMENGARUHI MINAT MAHASISWA ASAL LUAR BALI KULIAH DI FMIPA UNIVERSITAS UDAYANA BALI DAIMATUL KHOIRIYAH 1, MADE SUSILAWATI 2, DESAK PUTU EKA NILAKUSMAWATI 3 1, 2, 3 Jurusan Matematika
Lebih terperinciMEMAHAMI ANALISIS VARIANS oleh: Kusnendi Sekolah Pascasarjana Universitas Pendidikan Indonesia, 2016 (http://file.upi.edu/dosen)
MEMAHAMI ANALISIS VARIANS oleh: Kusnendi Sekolah Pascasarjana Universitas Pendidikan Indonesia, 016 (http://file.upi.edu/dosen) 1. Pendahuluan Analisis varians penting dipahami karena melalui analisis
Lebih terperinciPEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti *
PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN Mike Susmikanti * ABSTRAK PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Pemodelan dalam penelitian berbagai bidang khususnya bidang industri, merupakan kebutuhan
Lebih terperinciBAB II TINJAUAN PUSTAKA. digunakan sebagai rujukan ada dua penelitian. Rujukan penelitian pertama yaitu penelitian Lavoranti et al.
BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Sebagai bahan pertimbangan dalam penelitian ini dicantumkan mengenai penelitian terdahulu yang digunakan sebagai rujukan. Penelitian terdahulu yang digunakan
Lebih terperinciPEMILIHAN MODEL REGRESI LINIER MULTILEVEL TERBAIK (Choice the Best Linear Regression Multilevel Models)
, Oktober 2009 p : 1-7 ISSN : 0853-8115 Vol 14 No.2 PEMILIHAN MODEL REGRESI LINIER MULTILEVEL TERBAIK Bertho Tantular 1, Aunuddin 2, Hari Wijayanto 2 1 Jurusan Statistika FMIPA Universitas Padjadjaran
Lebih terperinciBAB 2 LANDASAN TEORI
19 BAB 2 LANDASAN TEORI 2.1. Metode Analisis Data 2.1.1. Uji Validitas Validitas adalah suatu ukuran yang membuktikan bahwa apa yang diamati peneliti sesuai dengan apa yang sesungguhnya ada dalam dunia
Lebih terperinciPEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti
S-25 PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG Indahwati, Yenni Angraeni, Tri Wuri Sastuti Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Pemodelan multilevel adalah
Lebih terperinciBAB III METODE PENELITIAN. September). Data yang dikumpulkan berupa data jasa pelayanan pelabuhan, yaitu
BAB III METODE PENELITIAN 3.1 Jenis dan Sumber Data Data yang digunakan dalam penelitian ini berasal dari data sekunder dengan jenis data bulanan mulai tahun 2004 sampai dengan tahun 2011 (bulan September).
Lebih terperinciRANCANGAN BUJUR SANGKAR LATIN DAN RANCANGAN BUJUR SANGKAR GRAECO - LATIN
RANCANGAN BUJUR SANGKAR LATIN DAN RANCANGAN BUJUR SANGKAR GRAECO - LATIN JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 007 1. PENDAHULUAN 1 Pada suatu
Lebih terperinciPlot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel
Plot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel Vitawati Bawotong, Hanny Komalig, Nelson Nainggolan 3 Program Studi Matematika, FMIPA, UNSRAT, vbawotong@gmail.com
Lebih terperinciANALISIS FAKTOR (FACTOR ANALYSIS)
ANALISIS FAKTOR (FACTOR ANALYSIS) PENDAHULUAN Analisis faktor: mengkaji hubungan internal dari gugus variabel Data: peubah-peubah yang dianalisis berkorelasi tinggi didalam grupnya sendiri dan berkorelasi
Lebih terperinciTINJAUAN PUSTAKA. Rancangan petak teralur (strip plot design) merupakan susunan petak-petak (plotplot)
II. TINJAUAN PUSTAKA 2.1 Rancangan Petak Teralur Rancangan petak teralur (strip plot design) merupakan susunan petak-petak (plotplot) sebagai satuan percobaan yang terdiri dari plot baris untuk perlakuan
Lebih terperinciPENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR
PENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR Inge Ratih Puspitasari, Hendro Permadi, dan Trianingsih Eni Lestari Universitas
Lebih terperinciOleh: Yogya Ardi Winata 1), Dr. Dhoriva Urwatul W, M.S. 2) Program Studi Matematika, Jurusan Pendidikan Matematika, FMIPA UNY
Penerapan Analisis Kovarians... (Yogya Ardi Winata) 1 PENERAPAN ANALISIS KOVARIANS MULTIVARIAT PADA BIDANG GIZI (Study Kasus: Pengaruh Perbedaan Tingkat Kelas Terhadap Rata-rata Frekuensi Makan, Asupan
Lebih terperinciPENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (Studi kasus: Cara Mengajar Dosen Jurusan Statistika UNDIP)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 2, Tahun 2014, Halaman 183-192 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (Studi
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN A. Tempat, Subjek dan Waktu Penelitian 1. Tempat dan Subjek Penelitian Penelitian dilaksanakan di SMP Negeri Kota Surakarta dengan subjek penelitian peserta
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak
PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,
Lebih terperinciPengacakan dan Tata Letak
Pengacakan dan Tata Letak 26 Pengacakan dan Tata Letak Pengacakan bisa dengan menggunakan Daftar Angka Acak, Undian, atau dengan perangkat komputer (bisa dilihat kembali pada pembahasan RAL/RAK/RBSL satu
Lebih terperinciAplikasi Analisa Multivariate dan Analisa Regresi Linier Berganda pada Proses Pengolahan Air Minum
J. Math. and Its Appl. ISSN: 1829-605X Vol. 1, No. 2, Nov. 2004, 41 48 Aplikasi Analisa Multivariate dan Analisa Regresi Linier Berganda pada Proses Pengolahan Air Minum Soehardjoepri Jurusan Matematika
Lebih terperinciTINJAUAN PUSTAKA. Model Regresi Linier Ganda
TINJAUAN PUSTAKA Model Regresi Linier Ganda Hubungan antara y dan X dalam model regresi linier umum adalah y = X ß + e () dengan y merupakan vektor pengamatan pada peubah respon (peubah tak bebas) berukuran
Lebih terperinciKNM XVI 3-6 Juli 2012 UNPAD, Jatinangor
KNM VI - Juli 0 UNPAD, Jatinangor PERBANDINGAN REGRESI BERTATAR (STEPWISE REGRESSION) DAN REGRESI KOMPONEN UTAMA (RKU) DALAM MENGATASI MULTIKOLINIERITAS PADA MODEL REGRESI LINIER BERGANDA MADE SUSILAWATI,
Lebih terperinciBujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc.
Percobaan Satu Faktor: Rancangan Bujur Sangkar Latin (Latin Square Design) Arum H. Primandari, M.Sc. Rancangan Bujur Sangkar Latin (RBSL) Pada kondisi-kondisi tertentu, keheterogenan unit percobaan tidak
Lebih terperinciPENGARUH UTAMA ADITIF DENGAN INTERAKSI GANDA (UAIG)
1 PENGARUH UTAMA ADITIF DENGAN INTERAKSI GANDA (UAIG) SKRIPSI LASTRI MANURUNG 090823012 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2011 2 PENGARUH
Lebih terperinciPERCOBAAN FAKTORIAL DENGAN RANCANGAN DASAR BUJUR SANGKAR LATIN
PERCOBAAN FAKTORIAL DENGAN RANCANGAN DASAR BUJUR SANGKAR LATIN SKRIPSI Oleh: Umi Sholikha J2A 606 050 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 2010
Lebih terperinciPERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAK-PETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG
PERBANDINGAN ANALISIS VARIANSI DENGAN ANALISIS KOVARIANSI DALAM RANCANGAN PETAKPETAK TERBAGI PADA RANCANGAN ACAK KELOMPOK DENGAN DATA HILANG Sri Wahyuningsih R 1, Anisa 2, Raupong ABSTRAK Analisis variansi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA 2.1 Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemenelemen yang disusun secara teratur menurut baris dan kolom berbentuk
Lebih terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
Lebih terperinciANALISIS KOVARIANSI DALAM RANCANGAN BUJURSANGKAR YOUDEN DENGAN DATA HILANG
Vol. 11, No. 2, 93-104, Januari 2015 ANALISIS KOVARIANSI DALAM RANCANGAN BUJURSANGKAR YOUDEN DENGAN DATA HILANG ENDY NUR CAHYANTO*, NASRAH SIRAJANG*, M. SALEH AF* dy Nur Cahyanto, ABSTRAK Penelitian ini
Lebih terperinciKARAKTERISTIK SEKTOR PERTANIAN DI PROVINSI BALI MENURUT SUBSEKTOR PENYUSUN
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 23-28 ISSN: 2303-1751 KARAKTERISTIK SEKTOR PERTANIAN DI PROVINSI BALI MENURUT SUBSEKTOR PENYUSUN PUTU OKA SURYA ARSANA 1, MADE SUSILAWATI 2, KETUT JAYANEGARA
Lebih terperinciPENGUJIAN HETEROSKEDASTISITAS PADA REGRESI EKSPONENSIAL DENGAN MENGGUNAKAN UJI PARK
PENGUJIAN HETEROSKEDASTISITAS PADA REGRESI EKSPONENSIAL DENGAN MENGGUNAKAN UJI PARK Asmin MM. 1, Saleh M., Islamiyati A. 3 Abstrak Model eksponensial merupakan regresi non linier yang dapat diubah bentuknya
Lebih terperinci