KOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIHAN JENIS OBJEK WISATA TERBAIK (Studi Kasus : Pesona Wisata Jawa Tengah)

Ukuran: px
Mulai penontonan dengan halaman:

Download "KOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIHAN JENIS OBJEK WISATA TERBAIK (Studi Kasus : Pesona Wisata Jawa Tengah)"

Transkripsi

1 ISSN: JURNAL GAUSSIAN, Volume 5, Nomor, Tahu 6, alama Ole d: KOMPUTASI METODE SAW DAN TOPSIS MENGGUNAKAN GUI MATLAB UNTUK PEMILIAN JENIS OBJEK WISATA TERBAIK (Stud Kasus : Pesoa Wsata Jawa Tegah) Rma Nurlta Sar, Ruku Satoso, asb Yas 3 Mahasswa Jurusa Statstka FSM Uverstas Dpoegoro,3 Staff Pegaar Jurusa Statstka FSM Uverstas Dpoegoro e-mal rmaurlta.stat@gmal.com ABSTRACT Mult-Attrbute Decso Makg (MADM) s a method of decso-makg to establsh the best alteratve from a umber of alteratves based o certa crtera. Some of the methods that ca be used to solve MADM problems are Smple Addtve Weghtg (SAW) Method ad Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS). SAW works by fdg the sum of the weghted performace ratg for each alteratve all crtera. Whle TOPSIS uses the prcple that the alteratve selected must have the shortest dstace from the postve deal soluto ad the farthest from the egatve deal soluto. Both of these methods were appled makg the selecto of the best tourst attractos Cetral Java. There are 5 tourst attractos ad 7 crtera: locato, frastructure, beauty, atmosphere, tourst terest, promoto, ad cost. Ths prmary research employed a questoare that passed the questoare testg, amely ts valdty ad relablty test. The result of ths study shows that the best type of toursm accordg to the govermet s temple tour. Whle water sports toursm s favored by toursm observers. As for college studets, the preferred tourst destato s relgous toursm. Ths study also produced a GUI Matlab programmg applcato that ca help users performg data processg usg SAW ad TOPSIS to select the best attracto Cetral Java. Keywords: MADM, SAW, TOPSIS, GUI, toursm. PENDAULUAN Meurut Turba dalam Jamla da artat (), pegambla keputusa adalah suatu proses memlh datara berbaga alteratf. Meurut Kusumadew et al. (6) ada beberapa metode yag dapat dguaka utuk meyelesaka masalah MADM, dataraya adalah Smple Addtve Weghtg (SAW) Method da Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS). Kosep dasar metode SAW adalah mecar peumlaha terbobot dar ratg kera pada setap alteratf d semua atrbut. Sedagka TOPSIS megguaka prsp bahwa alteratf yag terplh harus mempuya arak terdekat dar solus deal postf da terauh dar solus deal egatf berdasarka sudut padag geometrs dega megguaka arak eucldea utuk meetuka kedekata relatf dar suatu alteratf dega solus optmal. Berdasarka karakterstk dar metode SAW da TOPSIS yag telah duraka, peelt bermaksud membadgka hasl dar kedua metode tersebut da megaplkaskaya utuk meyelesaka suatu permasalaha yag ada d Provs Jawa Tegah, khususya d bdag parwsata. Dalam melakuka pemlha es wsata terbak, terdapat faktor-faktor yag perlu dpertmbagka atara la lokas wsata, frastruktur yag dsedaka, kedaha atau estetka wsata yag dtawarka, suasaa d tempat wsata, tgkat keramaa wsatawa yag berkuug ke obek wsata tersebut, promos yag dlakuka, hgga estmas baya yag aka dkeluaka ka berkuug ke obek wsata tersebut. Oleh karea tu, meyadar betapa petgya memlh obek wsata yag tepat, maka dbutuhka sebuah sstem dalam bdag keparwsataa. Sstem dharapka dapat dguaka utuk medapatka formas da pegambla keputusa pemlha obek wsata secara efektf, sebaga baha evaluas bag pemertah da mampu membatu

2 masyarakat dalam meetuka lokas obek wsata. Tuua yag g dcapa dalam peelta adalah melakuka aalss metode SAW da TOPSIS dega batua komputas GUI Matlab utuk pemlha es obek wsata terbak d Provs Jawa Tegah.. TINJAUAN PUSTAKA.. Metode MADM Meurut Kusumadew et al. (6) Mult-Attrbute Decso Makg (MADM) merupaka salah satu metode pegambl keputusa utuk meetapka alteratf terbak dar seumlah alteratf berdasarka beberapa krtera tertetu. Krtera basaya berupa ukura-ukura, atura-atura, atau stadar yag dguaka dalam pegambla keputusa. MADM dguaka utuk meyelesaka masalah-masalah dalam ruag dskret. Oleh karea tu, pada MADM basaya dguaka utuk melakuka pelaa atau seleks terhadap alteratf dalam umlah yag terbatas. Tuua MADM adalah megevaluas m alteratf A ( =,,...,m) terhadap sekumpula krtera C ( =,,...,), setap krtera salg tdak bergatug satu dega yag laya. Matrks keputusa setap alteratf terhadap setap atrbut dberka sebaga berkut. x x... x x x... x X () xm xm... xm x merupaka ratg kera alteratf ke- terhadap krtera ke-. Nla bobot yag meuukka tgkat kepetga relatf setap krtera dberka sebaga berkut. w { w, w,..., w} () Meurut Kusumadew et al. (6), terdapat beberapa metode yag dapat dguaka utuk meyelesaka masalah MADM, dua dataraya yatu Smple Addtve Weghtg (SAW) Method da Techque for Order Preferece by Smlarty to Ideal Soluto (TOPSIS)... Metode SAW Metode SAW serg uga dkeal dega stlah metode peumlaha terbobot. Kosep dasar SAW adalah mecar peumlaha terbobot dar ratg kera pada setap alteratf d semua atrbut (Fshbur dalam Kusumadew et al., 6). Metode SAW membutuhka proses ormalsas matrks keputusa (X) ke suatu skala yag dapat dperbadgka dega semua ratg alteratf. Metode SAW megeal adaya atrbut, yatu krtera keutuga (beeft) da krtera baya (cost). Perbedaa medasar dar kedua krtera adalah dalam pemlha krtera ketka megambl keputusa. Meurut Kusumadew et al. (6), lagkah peyelesaa dalam megguaka metode SAW sebaga berkut. ) Meetuka alteratf, yatu A. ) Meetuka krtera yag aka dadka acua dalam pegambla keputusa, yatu C. 3) Membuat tabel ratg kecocoka dar setap alteratf pada masg-masg krtera. JURNAL GAUSSIAN Vol. 5, No., Tahu 6 alama 9

3 4) Meetuka bobot preferes atau tgkat kepetga (w) setap krtera, sepert pada Persamaa (). 5) Membuat matrks keputusa (X) yag dbetuk berdasarka tabel ratg kecocoka setap alteratf ( A ) pada masg-masg krtera ( C ), dega =,,, m da =,,,, sepert pada Persamaa (). 6) Melakuka ormalsas matrks keputusa dega cara meghtug la ratg kera teromalsas ( p ) dar alteratf A pada krtera C yag merupaka krtera keutuga (beeft) sebaga berkut. x p (3) Maxx 7) asl dar la ratg kera teromalsas ( p ) membetuk matrks terormalsas (P). p p... p p p... p P (4) pm pm... pm 8) asl akhr la preferes ( V ) dperoleh dega meumlaha perkala eleme bars matrks terormalsas (P) dega bobot preferes (w) yag bersesuaa dega T eleme kolom matrks ( w ). V w p Nla V terbesar megdkaska bahwa alteratf JURNAL GAUSSIAN Vol. 5, No., Tahu 6 alama 9 (5) A merupaka alteratf terbak..3. Metode TOPSIS Meurut Rda (4), TOPSIS adalah salah satu metode pegambla keputusa multkrtera yag pertama kal dperkealka oleh Yoo da wag (98). TOPSIS megguaka prsp bahwa alteratf yag terplh harus mempuya arak terdekat dar solus deal postf da terauh dar solus deal egatf berdasarka sudut padag geometrs dega megguaka arak eucldea utuk meetuka kedekata relatf dar suatu alteratf dega solus optmal. Meurut Kusumadew et al. (6), metode TOPSIS terdr dar lagkah-lagkah sebaga berkut. ) Membuat matrks keputusa yag terormalsas. Nla yag terormalsas ( p ) dhtug dega megguaka persamaa berkut. x p (6) m x Sehgga dperoleh matrks keputusa yag terormalsas (P), sepert pada Persamaa (4). ) Meetuka la bobot ( w ). w z z (7)

4 z merupaka umlah pelaa dar pegambl keputusa terhadap setap krtera ke, w meuukka tgkat kepetga relatf setap krtera ke-, pedapat dar pegambl keputusa da w w berdasarka 3) Membuat matrks keputusa yag terormalsas terbobot. Ratg bobot terormalsas ( u ) dhtug sebaga berkut. JURNAL GAUSSIAN Vol. 5, No., Tahu 6 alama 9. u w p (8) Berkut matrks keputusa yag terormalsas terbobot (U). w p w p... w p w p w p... w p U (9) w pm w pm... w pm 4) Meetuka matrks solus deal postf da matrks solus deal egatf. Solus deal postf ( A ) da solus deal egatf ( A ) dapat dtetuka berdasarka ratg bobot terormalsas ( u ) sebaga berkut. ( A u, u,..., u ) ; ( A u, u,..., u ); dega, u Max u u M u u = kolom ke- dar u = kolom ke- dar A () A () 5) Meetuka arak atara la setap alteratf dega matrks solus deal postf da matrks solus egatf. Jarak atara alteratf A dega solus deal postf ( D ) drumuska sebaga berkut. D ( u u ) ; =,,, m () Jarak atara alteratf berkut. D A dega solus deal egatf ( D ) drumuska sebaga ( u u ) ; =,,, m (3) 6) Meetuka la preferes utuk setap alteratf. Nla preferes utuk setap alteratf ( V ) sebaga berkut. D V ; =,,, m (4) D D ; ka merupaka krtera keutuga (beeft). Alteratf yag terplh adalah alteratf yag mempuya la V terbesar..4. U Normaltas Lllefors Meurut Dael (978), u Lllefors dguaka utuk megu suatu data bla dstrbus yag dhpotesska yatu dstrbus ormal. Apabla sampel berasal dar populas

5 yag terdstrbus ormal, maka selautya data sampel tersebut dapat dguaka dalam melakuka u valdtas Product Momet. potess u ormaltas Lllefors yatu : : sampel berdstrbus ormal ; : sampel tdak berdstrbus ormal Lagkah-lagkah dalam melakuka u ormaltas Lllefors sebaga berkut. ) Data pegamata X,X,..., X dadka blaga baku Z, Z,..., Z dega X X megguaka rumus : Z S Keteraga : X = Rata-rata sampel X = Nla skor sampel S = Smpaga baku sampel ) Blaga baku tersebut megguaka daftar dstrbus ormal baku, kemuda dhtug peluag F(Z ) P(Z Z ). 3) Propors Z, Z,..., Z dhtug dega rumus : Bayakya_Z, Z,..., Z _yag Z S(Z ) 4) Selsh F(Z ) S(Z ) dhtug da dtetuka harga mutlakya. arga yag palg besar d atara harga mutlak selsh tersebut merupaka la htug Lllefors ( L htug). Apabla la L htug lebh besar dar la tabel Lllefors ( L( ; ) ), maka hpotess ol dtolak..5. U Valdtas da Relabltas ) U Valdtas Suatu kuesoer dkataka vald ka peryataa pada kuesoer mampu megugkapka sesuatu yag aka dukur oleh kuesoer tersebut (Ghozal, ). Pada peelta, utuk meghtug koefse valdtas butr peryataa dguaka korelas Product Momet dega hpotess peelta sebaga berkut. : butr peryataa tdak vald ; : butr peryataa vald Meurut Surapraata (4), salah satu cara utuk meetuka valdtas alat ukur yatu megguaka korelas Product Momet dega smpaga yag dkemukaka oleh Pearso sepert berkut: r [ x y ( x )( x ( x ) ][ y ( y ) y ) ] Keteraga : r = koefse korelas, x = skor setap butr peryataa y = skor total setap pegamata, = ukura sampel asl r htug dbadgka dega la tabel r ( r( / ; - ) ). Apabla r htug lebh besar dar la tabel r ( r( / ; - ) ), maka dtolak, sehgga dapat dkataka peryataa dalam kuesoer tersebut vald. Peryataa yag tdak vald dbuag da selautya aka dlakuka u relabltas terhadap peryataa yag vald. ) U Relabltas Kuesoer dkataka relabel atau hadal ka awaba respode terhadap peryataaperyataa dalam kuesoer kosste atau stabl dar waktu ke waktu (Ghozal, JURNAL GAUSSIAN Vol. 5, No., Tahu 6 alama 93

6 ). Pegukura relabltas dapat dlakuka dega melhat la Crobach Alpha. potess utuk u relabltas sebaga berkut. : strume tdak relabel ; : strume relabel Nla Crobach Alpha dperoleh dar rumus berkut. r Crobach_ Alpha Keteraga : p )( ) p t p = umlah tem peryataa, =,,..., p = varas dar peryataa ke-, = varas total ( p Suatu strume dkataka relabel ka la Crobach Alpha >,6 (Suarwe da Edrayato, ). 3. METODOLOGI PENELITIAN 3.. Jes da Sumber Data Pada peelta es data yag dguaka adalah data prmer. Pegumpula data prmer dlakuka dega pegsa kuesoer utuk pembobota krtera da pelaa es obek wsata oleh 3 arasumber, yatu Das Kebudayaa da Parwsata Provs Jawa Tegah (pemertah), para pelaar SMK N Semarag Jurusa Parwsata (pegamat parwsata depede), serta mahasswa Uverstas Dpoegoro (pekmat obek wsata). 3.. Varabel Peelta ) Varabel Alteratf ( A ) Varabel alteratf dalam peelta adalah Pesoa Wsata Jawa Tegah, yag dkelompokka mead 5 es obek wsata, dataraya wsata cad, museum, bagua lama, goa, pata, olahraga ar, pemada ar paas, peguuga/datara tgg, ar teru, perkebua, kuler, belaa, relg, budaya, da desa wsata. ) Varabel Krtera ( C ) Varabel krtera yag dguaka utuk meetuka es obek wsata terbak yatu sebayak 7 krtera, atara la lokas wsata yag strategs, frastruktur yag terseda legkap, obek wsata memlk kedaha atau estetka, suasaa yag yama, obek wsata dmat oleh para wsatawa, promos yag dlakuka begtu gecar, da baya yag dkeluarka teragkau. Seluruh krtera tersebut dla dega megguaka skala pelaa atara hgga. 4. ASIL DAN PEMBAASAN 4.. U Kelayaka Kuesoer 4... U Normaltas Pegua kelayaka kuesoer dlakuka pada 3 respode sebaga sampel pedahulua. potessya sebaga berkut. : sampel berdstrbus ormal ; : sampel tdak berdstrbus ormal Tabel meuukka hasl u ormaltas Lllefors pada data la kepetga krtera. Nla tabel utuk u Lllefors pada taraf sgfkas % da ukura sampel 3 yatu.85 t JURNAL GAUSSIAN Vol. 5, No., Tahu 6 alama 94

7 ( L (%; 3) ). Seluruh la L htug< L (%; 3) (.85), maka dapat dsmpulka bahwa sampel data-data tersebut berdstrbus ormal ( dterma). Tabel. asl U Normaltas Pelaa Kepetga Krtera No Data L htug Kesmpula Lokas ( C ).9 Sampel berdstrbus ormal Ifrastruktur ( C ).48 Sampel berdstrbus ormal 3 Kedaha ( C 3 ). Sampel berdstrbus ormal 4 Suasaa ( C ) 4.94 Sampel berdstrbus ormal 5 Mat Wsatawa ( C ) 5.89 Sampel berdstrbus ormal 6 Promos ( C 6 ).7 Sampel berdstrbus ormal 7 Baya ( C ) 7.98 Sampel berdstrbus ormal 8 Jumlah.9 Sampel berdstrbus ormal Sela data la kepetga krtera, data-data pelaa es obek wsata d setap krtera uga dlakuka u ormaltas Lllefors. asl dar pegua tersebut meuukka seluruh la L htug< L (%; 3) (.85), maka dapat dsmpulka bahwa sampel data-data tersebut uga berdstrbus ormal ( dterma). Oleh karea tu, data-data tersebut dapat du dega u valdtas megguaka korelas Product Momet U Valdtas U valdtas megguaka korelas Product Momet, hpotessya sebaga berkut. : butr peryataa tdak vald ; : butr peryataa vald Tabel meuukka hasl u valdtas pada butr peryataa kepetga krtera. Nla tabel utuk korelas Product Momet pada taraf sgfkas % da deraat bebas 8 yatu r.463 ( (./ ; 8) ). Seluruh la r htug > r (./ ; 8) (.463), maka dapat dsmpulka bahwa seluruh butr peryataa tersebut vald ( dtolak). Tabel. asl U Valdtas Pelaa Kepetga Krtera No Butr Peryataa r htug Kesmpula Lokas ( C ).64 Butr peryataa vald Ifrastruktur ( C ).6 Butr peryataa vald 3 Kedaha ( C 3 ).569 Butr peryataa vald 4 Suasaa ( C 4 ).54 Butr peryataa vald 5 Mat Wsatawa ( C 5 ).777 Butr peryataa vald 6 Promos ( C 6 ).795 Butr peryataa vald 7 Baya ( C ) Butr peryataa vald Sela butr peryataa kepetga krtera, butr peryataa pelaa es obek wsata d setap krtera uga dlakuka u valdtas. asl dar pegua tersebut meuukka seluruh la r htug > r (./ ; 8) (.463), maka dapat dsmpulka bahwa seluruh butr peryataa tersebut vald ( dtolak). Oleh karea tu, butr-butr peryataa tersebut dapat du dega u relabltas megguaka metode Crobach Alpha. JURNAL GAUSSIAN Vol. 5, No., Tahu 6 alama 95

8 4..3. U Relabltas Pegukura relabltas dlakuka dega Crobach Alpha. potess : : strume tdak relabel ; : strume relabel Tabel 3 meuukka hasl u relabltas pada seluruh strume dalam kuesoer. Seluruh la r >.6, maka dapat dsmpulka bahwa strume-strume Crobach Alpha tersebut relabel ( dtolak). Tabel 3. asl U Relabltas r Kesmpula No Istrume Crobach Alpha Kepetga Krtera.776 Istrume relabel Lokas ( C ).78 Istrume relabel 3 Ifrastruktur ( C ).759 Istrume relabel 4 Kedaha ( C 3 ).768 Istrume relabel 5 Suasaa ( C ) 4.74 Istrume relabel 6 Mat Wsatawa ( C ) Istrume relabel 7 Promos ( C 6 ).85 Istrume relabel 8 Baya ( C 7 ).769 Istrume relabel 4.. Perbadga asl Metode SAW da TOPSIS asl pegolaha data kuesoer dega metode SAW da TOPSIS meuukka 3 alteratf es obek wsata terbak d Jawa Tegah dar masg-masg arasumber. Tabel berkut meamplka perbadga hasl es obek wsata terbak d Jawa Tegah dega metode SAW da TOPSIS. Pegambl keputusa dar phak pemertah yatu 4 orag, dar phak pegamat parwsata orag, serta 5 mahasswa utuk perakga vers 8 alteratf wsata da 53 mahasswa utuk perakga vers 5 alteratf wsata. Tabel 4. Perbadga asl Metode SAW da TOPSIS meurut Pemertah Pergkat SAW TOPSIS Alteratf V Alteratf V Cad ( A ) 56.8 Cad ( A ).976 Datara Tgg ( A ) Datara Tgg ( A 8 ).67 3 Museum ( A ) Museum ( A ).577 Tabel 5. Perbadga asl Metode SAW da TOPSIS meurut Pegamat Pergkat SAW TOPSIS Alteratf V Alteratf V Olahraga Ar ( A ) Olahraga Ar ( A ) Relg ( A 3) Datara Tgg ( A ) Datara Tgg ( A ) Relg ( A 3).77 Tabel 6. Perbadga asl Metode SAW da TOPSIS meurut Mahasswa Vers 8 Alteratf Pergkat SAW TOPSIS Alteratf V Alteratf V Relg ( A 3) 55.6 Relg ( A 3).975 Cad ( A ) 53. Cad ( A ).99 3 Datara Tgg ( A 8 ) Datara Tgg ( A 8 ).95 JURNAL GAUSSIAN Vol. 5, No., Tahu 6 alama 96

9 Tabel 7. Perbadga asl Metode SAW da TOPSIS meurut Mahasswa Vers 5 Alteratf SAW TOPSIS Pergkat Alteratf V Alteratf V Relg ( A 3) Relg ( A 3).97 Cad ( A ) Cad ( A ).9 3 Bagua Lama ( A 3 ) 5.96 Bagua Lama ( A 3 ).87 Perbadga hasl aalss metode SAW da TOPSIS tersebut meuukka hasl uruta pergkat yag berbeda-beda pada masg-masg arasumber. al tersebut dapat terad karea setap arasumber memlk pelaa yag berbeda-beda terhadap es-es obek wsata d Jawa Tegah. Setap es obek wsata d Jawa Tegah uga memlk segmetas pasar tersedr, kemuda ka dbadgka pada setap pelaa arasumber atara hasl metode SAW da TOPSIS uruta pergkatya tdak selalu sama. al tersebut dkareaka terdapat perbedaa algortma pada kedua metode tersebut da perbedaa skala la pembobota. Mesk demka, apabla dsmpulka 3 alteratf es wsata terbak atara metode SAW da TOPSIS aka meghaslka 3 alteratf terbak yag sama meurut masg-masg arasumber GUI Matlab Metode SAW da TOPSIS Berkut tampla dar GUI Matlab pemlha es wsata terbak d Jawa Tegah dega megguaka metode SAW da TOPSIS. Gambar. Tampla ome Gambar. Tampla Meu Gambar 3. Tampla U Kelayaka Kuesoer Gambar 4. Tampla MADM SAW da TOPSIS JURNAL GAUSSIAN Vol. 5, No., Tahu 6 alama 97

10 5. KESIMPULAN Berdasarka hasl da pembahasa dperoleh kesmpula bahwa metode MADM SAW da TOPSIS dapat dguaka utuk meyelesaka pemlha seumlah alteratf berdasarka beberapa krtera yag telah dtetapka. Peetua krtera, pegambl keputusa atau yag memberka pelaa pada setap alteratf, serta pembobota setap krtera merupaka faktor-faktor petg yag dapat mempegaruh perhtuga metode SAW da TOPSIS. Pada peelta uga berhasl dalam melakuka komputas metode SAW da TOPSIS dega megguaka GUI Matlab utuk pemlha es obek wsata terbak d Jawa Tegah. Terbukt dar hasl perhtuga kodg program dega perhtuga maual meuukka hasl yag sama. Meurut pemertah, Wsata Cad merupaka es wsata terbak. Meurut pegamat parwsata depede, Wsata Olahraga Ar merupaka es wsata terbak terbak da meurut mahasswa, es wsata terbak adalah Wsata Relg setelah dlakuka aalss bak dega metode SAW maupu TOPSIS. DAFTAR PUSTAKA Dael, W.W Appled No Parametrc Statstcs. Uted States of Amerca: WS- KENT Publshg Compay. Ghozal, I.. Aplkas Aalss Multvarate dega Program IBM SPSS 9. Eds ke- 5. Semarag: Bada Peerbt Uverstas Dpoegoro. Jamla da artat, S.. Sstem Pedukug Keputusa Pemlha Subkotrak Megguaka Metode Etropy da TOPSIS. IJCCS. 5 (), -9. Kusumadew, S., artat, S., aroko, A., da Wardoyo, R. 6. Fuzzy Mult-Attrbute Decso Makg (FUZZY MADM). Yogyakarta: Graha Ilmu. Rda. 4. Sstem Pedukug Keputusa Pemlha Lokas Obek Wsata d Aceh Tegah Megguaka Metode TOPSIS. Iformas da Tekolog Ilmah. Vol. 4 (5), Suarwe, V. da Edrayato, P.. Statstka utuk Peelta. Yogyakarta: Ilmu. Graha Surapraata, S. 4. Aalss, Valdtas, Relabltas, da Iterpretas asl Tes. Badug: Remaa Rosdakarya. JURNAL GAUSSIAN Vol. 5, No., Tahu 6 alama 98

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, Tahu 015, Halama 67-76 Ole d: http://ejoural-s1.udp.ac.d/dex.php/gaussa PEMILIHAN PENGRAJIN TERBAIK MENGGUNAKAN MULTI-ATTRIBUTE DECISION MAKING (MADM) TECHNIQUE

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI MATLAB (STUDI KASUS : PT. Asaputex Jaya, Tegal)

PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI MATLAB (STUDI KASUS : PT. Asaputex Jaya, Tegal) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahu 2016, Halama 663-672 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa PEMILIHAN PENGRAJIN TERBAIK DENGAN METODE ELECTRE DAN TOPSIS MENGGUNAKAN GUI

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu 47 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta yag dguaka dalam peelta adalah metode eksperme. Metode dguaka atas pertmbaga bahwa sfat peelta ekspermetal yatu mecobaka suatu program latha

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 15 di kota Gorontalo

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 15 di kota Gorontalo BAB III METODOLOGI PENELITIAN 3. Tempat Da Waktu Peelta 3.. Tempat peelta Peelta dlaksaaka d SMP Neger 5 d kota Gorotalo 3.. Waktu peelta Peelta dlaksaaka sejak bula oktober hgga bula desember, yag melput

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

ANALISIS PENGGABUNGAN METODE SAW DAN METODE TOPSIS UNTUK MENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN DOSEN

ANALISIS PENGGABUNGAN METODE SAW DAN METODE TOPSIS UNTUK MENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN DOSEN Semar Nasoal Iformatka 2013 (semasif 2013) ISSN: 1979-2328 UPN Vetera Yogyakarta, 18 Me 2013 ANALISIS PENGGABUNGAN METODE SAW DAN METODE TOPSIS UNTUK MENDUKUNG KEPUTUSAN SELEKSI PENERIMAAN DOSEN Gregorus

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Paleleh pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Paleleh pada semester genap BAB III METODOLOGI PENELITIAN 3. Lokas Da Waktu Peelta Peelta dlaksaaka d SMP Neger Paleleh pada semester geap tahu ajara 0/0. Peelta berlagsug selama 4 bula (Aprl, Me, Ju, Jul) mula dar persapa hgga pelaksaaa

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang 37 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka suatu cara tertetu yag dguaka utuk meelt suatu permasalaha sehgga medapatka hasl atau tujua yag dgka. Meurut Arkuto (1991 : 3) peelta

Lebih terperinci

PEMILIHAN MAHASISWA BERPRESTASI DIPLOMA MENGGUNAKAN METODE TOPSIS

PEMILIHAN MAHASISWA BERPRESTASI DIPLOMA MENGGUNAKAN METODE TOPSIS emar Nasoal APTIKOM (EMNATIKOM), Hotel Lombok Raya Mataram, - Oktober PEMILIHAN MAHAIWA BERPRETAI DIPLOMA MENGGUNAKAN METODE TOPI Dyah Herawate,, Eto Wuryato () Program tud D stem Iformas Fakultas Vokas

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUBKONTRAK PRODUKSI SARUNG TANGAN MENGGUNAKAN METODE ENTROPY DAN TOPSIS

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUBKONTRAK PRODUKSI SARUNG TANGAN MENGGUNAKAN METODE ENTROPY DAN TOPSIS Semar Nasoal Iformatka 01 (semasif 01) ISSN: 1979-38 UPN Vetera Yogyakarta, 30 Ju 01 SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SUBKONTRAK PRODUKSI SARUNG TANGAN MENGGUNAKAN METODE ENTROPY DAN TOPSIS Jamla Akaem

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB III METODE PENELITIAN A.

BAB III METODE PENELITIAN A. BAB III METODE PENELITIAN A. Tempat da Waktu Peelta 1. Tempat Peelta Peelta dlaksaaka d SMA Neger 5 Surakarta yag beralamat d Jala Lete Sutoyo No. 18, Nusuka, Baarsar, Jawa Tegah kode pos 57135. Pemlha

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit) Jural Sas Matematka da Statstka, Vol., No. I, Jauar ISSN - Peyelesaa Sstem Persamaa Ler Kompleks Dega Ivers Matrks Megguaka Metode Faddev Cotoh Kasus: SPL Kompleks da Hermt F. rya da Tka Rzka, Jurusa Matematka,

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 21 Sstem Pedukug Keputusa Meurut Prof Dr Praud Atmosudro, SH, keputusa adalah suatu pegakhra darpada proses pemkra tetag suatu masalah atau problema utuk meawab pertayaa apa yag harus

Lebih terperinci

*Corresponding Author:

*Corresponding Author: Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy,

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 20-928X A-7 Pembobota da Optmas Utuk Pemlha Dstrbutor PT Maa Ghodaqo Shddq Lestar Teas N. Qurawat, Subcha, Suhud Wahyud Jurusa Matematka, Fakultas

Lebih terperinci

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari

Pembobotan dan Optimasi Untuk Pemilihan Distributor PT Maan Ghodaqo Shiddiq Lestari JURNAL TEKNIK POMITS Vol., No., (202) -5 Pembobota da Optmas Utuk Pemlha Dstrbutor PT Maa Ghodaqo Shddq Lestar Teas N. Qurawat, Suhud Wahyud, Subcha Jurusa Matematka, Fakultas Matematka da Ilmu Pegetahua

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS. 2)

RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS. 2) RANCANG BANGUN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN OPERATOR TELEKOMUNIKASI DENGAN METODE AHP DAN TOPSIS I Putu Eratama 1), I Gede Arya Utama ) 1) ) Jurusa Sstem Iformas. Sekolah Tgg Maajeme Iformatka

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA. Latar Belakang. Demam Berdarah Dengue (DBD)

PENDAHULUAN TINJAUAN PUSTAKA. Latar Belakang. Demam Berdarah Dengue (DBD) PENDAHULUAN Latar Belakag Kods suatu daerah secara umum berkata dega kods d daerah la, terutama daerah yag berdekata. Pola sepert dkeal dega hubuga spasal. Besara autokorelas spasal dapat dguaka utuk megdetfkas

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Jes Peelta Dalam pelta peelt megguaka racaga eksperme. Eksperme adalah observas dbawah kods buata (artfcal codto), dmaa kods tersebut dbuat da d atur oleh s peelt. Dega

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metodologi berasal dari kata metode yang artinya cara yang tepat untuk

BAB III METODOLOGI PENELITIAN. Metodologi berasal dari kata metode yang artinya cara yang tepat untuk A III METODOLOGI PENELITIAN A. Metode da Desa Peelta. Metode Peelta Metodolog berasal dar kata metode yag artya cara yag tepat utuk melakuka sesuatu da logos yag artya lmu atau pegetahua. Nasuto (003 :

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

Jurnal Sketsa Bisnis Vol. 2 No. 1 Agustus 2015 Page 18

Jurnal Sketsa Bisnis Vol. 2 No. 1 Agustus 2015 Page 18 ANALISA WAKTU BAKU PRODUKSI DOMPET DENGAN PENDEKATAN PETA TANGAN KIRI DAN TANGAN KANAN PADA CV. XYZ DI PASURUAN Hasa Bashor 1), Rosyatul Umam ) 1) Dose Tekk dustr Fakultas Tekk Uverstas Yudharta Pasurua

Lebih terperinci

Sistem Pendukung Keputusan Penentuan Prioritas Desa Penerima Program Desa Siaga pada Dinas Kesehatan Kota Banjar

Sistem Pendukung Keputusan Penentuan Prioritas Desa Penerima Program Desa Siaga pada Dinas Kesehatan Kota Banjar Jural Tekolo Iformas Poltekk Telkom Vol., No. 4, November 202 Sstem Pedukug Keputusa Peetua Prortas Desa Peerma Program Desa Saga pada Das Kesehata Kota Baar Ira Yuar, Mahmud Imroa 2, Reto Nov Dayawat

Lebih terperinci

Bab 4 Pengumpulan dan Pengolahan Data

Bab 4 Pengumpulan dan Pengolahan Data Bab 4 Pegumpula da Pegolaha Data 4.. Pegumpula Data 4... Peguja Kuesoer Pedahulua Peguja kuesoer pedahulua bertujua utuk meguj kelayaka da keadala peryataa-peryataa dalam kuesoer tersebut. Pada peelta

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 47 BAB III METODE PENELITIAN 3.. Metode Peelta 3... Desa Peelta Desa peelta adalah dega metode surve. Pemlha da pegguaa desa terkat dega tujua peelta, atu utuk megaalss pegaruh suatu varabel terhadap varabel

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak BAB III METODE PENELITIAN 3.1 Lokas da Waktu Peelta Peelta dlakuka d PT. Mulya Agro Botekolog yag terletak Perumaha Tegalgodo Asr Blok H III No. 10 Kecamata Karagploso, Kabupate Malag. Pemlha lokas peelta

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik

Pengujian Autokorelasi terhadap Sisaan Model Spatial Logistik Pegua Autokorelas terhadap saa Model patal Logstk Utam Dyah yaftr, Bagus artoo, alamatuttazl Abstrak Pemodela dega bass ruag (spatal perlu memerhatka pegaruh atar ruag tersebut. Pemodela klask yag megasumska

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

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

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

Lebih terperinci

Pemilihan Pemasok Terbaik dengan Metode. (Studi Kasus : CV. Becik Joyo)

Pemilihan Pemasok Terbaik dengan Metode. (Studi Kasus : CV. Becik Joyo) 1 Pemlha Terbak dega Metode TOPSIS Fuzzy MCDM (Stud Kasus : CV. Bek Joyo) Sedy Pradaa Putra, Soy Suaryo Jurusa Statstka, Fakultas MIPA, Isttut Tekolog Sepuluh Nopember (ITS) Jl. Aref Rahma Hakm, Surabaya

Lebih terperinci

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si. Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda

Lebih terperinci

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah

Penerapan Model Regresi Ensemble Non-Hybrid pada Data Kemiskinan di Provinsi Jawa Tengah The 6 th Uversty Research Colloquum 7 Peerapa Model Regres Esemble No-Hybrd pada Data Kemska d Provs Jawa Tegah Corela Ardaa Savta, Sr Sulstjowat Hadaja, Bowo Waro 3,3 Program Stud Matematka FMIPA, Uverstas

Lebih terperinci

UJIAN TUGAS AKHIR LOGO. Kamis, 28 Januari Oleh : Heny Nurhidayanti. Dosen Pembimbing : INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA

UJIAN TUGAS AKHIR LOGO. Kamis, 28 Januari Oleh : Heny Nurhidayanti. Dosen Pembimbing : INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA LOGO UJIAN TUGAS AKHIR Kams, 28 Jauar 200 Oleh : Hey Nurhdayat 206 00 059 Dose Pembmbg : Drs. Sulstyo, MT JURUSAN MATEMATIKA FMIPA INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA Pedahulua Order dar customer

Lebih terperinci

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR)

Analisis Pola Hubungan PDRB dengan Faktor Pencemaran Lingkungan di Indonesia Menggunakan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI IS Vol. 5, No., (6) 337-35 (3-98X Prt) D-7 Aalss Pola ubuga PDRB dega Faktor Pecemara Lgkuga d Idoesa Megguaka Pedekata Geographcally Weghted Regresso (GWR) Rza Damayat da Mutah Salamah

Lebih terperinci

PEDOMAN STATISTIK UJI PROFISIENSI

PEDOMAN STATISTIK UJI PROFISIENSI DPLP 3 Rev. 0 PEDOMAN STATISTIK UJI PROFISIENSI Komte Akredtas Nasoal Natoal Accredtato Body of Idoesa Gedug Maggala Waabakt, Blok IV, Lt. 4 Jl. Jed. Gatot Subroto, Seaya, Jakarta 070 Idoesa Tel. : 6 5747043,

Lebih terperinci