BAB I PENDAHULUAN 1.1 Latar Belakang

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB I PENDAHULUAN 1.1 Latar Belakang"

Transkripsi

1 BAB I PENDAHULUAN. Latar Belaang Industri sepeda motor nasional merupaan industri yang masih terus mengalami pertumbuhan. Berdasaran data dari AISI (Asosiasi Industri Sepedamotor Indonesia) tingat produsi sepeda motor cenderung mengalami peningatan tiap tahun seja tahun , pada tahun 008 produsi sepeda motor di Indonesia mencapai unit, dengan jumlah penjualan domesti sebanya unit dan espor sebanya unit. Anga tersebut merupaan jumlah tertinggi dibanding tahun-tahun sebelumnya. Sedangan produsi sepeda motor nasional pada tahun 00 diperiraan aan mencapai 6.3 juta unit (Asosiasi Industri Sepedamotor Indonesia, 00). Berdasaran Indonesian Commercial Newsletter (009) pertumbuhan produsi sepeda motor tersebut didorong oleh ebutuhan masyaraat aan alat transportasi yang murah dan flesibel. Kebutuhan masyaraat tersebut aan terus ada mengingat belum adanya sistem transportasi masal yang terintegrasi. Masih beraitan dengan fata di atas, ondisi eonomi global yang mengalami resesi diperiraan juga aan membuat tingat persaingan pada industri sepeda motor nasional semain tinggi. Pasar yang tertean aan memasa para produsen untu menggunaan berbagai macam strategi dalam memenangan persaingan. Beberapa strategi yang ditempuh antara lain adalah dengan peluncuran model baru, penyesuaian harga, pembiayaan, pemasangan ilan dan promosi hingga pembangunan jaringan omunitas. Peluncuran model baru dan penyesuaian harga menjadi bagian dari strategi perusahan-perusahaan produsen sepeda motor dalam memenangan persaingan pasar. Menurut Kasali (998) hanya perusahaan yang reatif saja yang dapat terus bertahan. Ia harus dapat mengubah produnya, emasannya, pendeatannya, cara menangani pasarnya, atau bahan segmen pasarnya dari watu e watu. Dalam usaha menangani pasar, perusahaan sebainya dapat memahami perilau onsumen dalam memilih suatu produ. Konsumen memilii

2 pertimbangan yang sesuai dengan ebutuhan dan gaya hidupnya saat memutusan menggunaan suatu barang. Hal itulah yang harus diperhatian para produsen sepeda motor dalam menyusun strategi pemasaran, sehingga dapat memenangan persaingan pasar sepeda motor. Persaingan pasar sepeda motor di Suraarta patut diperhatian para produsen. Hal ini mengingat Suraarta merupaan salah satu ota besar di Jawa Tengah. Selain itu menurut Badan Pusat Statisti Suraarta (00) epadatan pendudu di ota Suraarta paling tinggi di Jawa Tengah. Kepadatan pendudu yang tinggi membawa onseuensi terait penyediaan sarana transportasi berupa sepeda motor. Beragamnya jenis sepeda motor menjadian onsumen aan lebih seletif dalam memilih sepeda motor dengan memperhatian atribut-atribut dari tiap sepeda motor, yang sesuai dengan ebutuhan. Oleh arena itu perlu dietahui arateristi onsumen (variabel independen) mana yang paling mempengaruhi pemilihan sepeda motor. Menurut Honda (009) arateristi onsumen meliputi usia (X ), jenis elamin (X ), pendidian (X 3 ), peerjaan (X 4 ), pengeluaran (X 5 ), ebiasaan pergi jauh/ touring (X 6 ), etertarian produ baru (X 7 ), ebiasaan redit (X 8 ). Selain itu juga perlu dietahui atribut sepeda motor (variabel dependen) mana yang paling diperhitungan onsumen. Masih menurut Honda (009) atribut sepeda motor meliputi eiritan bensin (Y ), desain model (Y ), tipe model (Y 3 ), ecepatan (Y 4 ), daya tahan mesin (Y 5 ), harga (Y 6 ), harga jual embali (Y 7 ), dan etersediaan bengel (Y 8 ). Untu mengetahui eeratan hubungan antara arateristi onsumen dengan atribut sepeda motor di ota Suraarta tersebut digunaan analisis orelasi anoni.. Perumusan Masalah Berdasaran uraian dalam latar belaang masalah, dapat dirumusan tiga masalah.. Variabel arateristi onsumen apaah yang paling berpengaruh dalam pemilihan sepeda motor?

3 . Variabel atribut sepeda motor apaah yang paling mendasari pemilihan sepeda motor? 3. Bagaimana eeratan hubungan antara arateristi onsumen dengan atribut sepeda motor?.3 Tujuan Penelitian Beriut adalah tujuan dari penelitian ini.. Menentuan variabel arateristi onsumen yang paling berpengaruh dalam pemilihan sepeda motor dengan analisis orelasi anoni. Menentuan variabel atribut sepeda motor yang paling mendasari pemilihan sepeda motor dengan analisis orelasi anoni 3. Mengetahui eeratan hubungan antara arateristi onsumen dengan atribut sepeda motor dengan analisis orelasi anoni.4 Manfaat Penelitian Dapat menambah pengetahuan peran nyata statisti hususnya analisis orelasi anoni dalam riset pemasaran. 3

4 BAB II LANDASAN TEORI. Tinjauan Pustaa Dalam penelitian ini, terdapat beberapa pengertian yang mendasari, yaitu pengertian mengenai perilau osumen, validitas dan reliabilitas, variansiovariansi dan orelasi, nilai eigen dan vetor eigen serta analisis orelasi anoni... Perilau Konsumen dalam Pemasaran Mempelajari tentang perilau onsumen merupaan hal yang sangat penting dalam dunia pemasaran, arena tujuan egiatan pemasaran adalah untu mempengaruhi onsumen supaya bersedia membeli barang dan jasa perusahaan pada saat merea membutuhannya. Sebelum egiatan pemasaran dilauan, manajer pemasaran harus memahami perilau onsumen. Model perilau onsumen yang diemuaan Kotler (000) menerangan bahwa eputusan onsumen dalam pembelian selain dipengaruhi oleh arateristi onsumen, dapat dipengaruhi oleh rangsangan perusahaan yang mencaup produ, harga, tempat dan promosi. Variabelvariabel di atas saling mempengaruhi proses eputusan pembelian sehingga menghasilan eputusan pembelian yang didasaran pada pilihan produ, pilihan mere, pilihan penyalur, watu pembelian, jumlah pembelian. Kemudian Kotler (000) menyataan bahwa eputusan pembeli juga dipengaruhi oleh arateristi pribadi, yaitu usia pembeli dan tahap silus hidup, peerjaan, eadaan eonomi, gaya hidup, serta epribadian dan onsep pribadi pembeli. Selanjutnya gaya hidup seseorang adalah pola hidup seseorang yang diungapan dalam egiatan, minat, dan pendapat seseorang. Gaya hidup bisa merupaan identitas elompo. Gaya hidup setiap elompo aan mempunyai ciri-ciri tersendiri. Walaupun demiian, gaya hidup aan sangat relevan dengan usaha-usaha pelau pasar untu menjual produnya. Dengan ata lain, perubahan gaya hidup suatu elompo aan mempunyai dampa yang luas pada berbagai aspe onsumen. 4

5 . Validitas.. Validitas dan Reliabilitas Menurut Azwar (997), validitas menunjuan sejauh mana etepatan dan ecermatan suatu alat uur dalam melauan fungsi uurnya. Suatu uesioner atau instrumen penguur dapat diataan memilii validitas yang tinggi bila alat tersebut menjalanan fungsi uurnya atau memberian hasil uur yang sesuai dengan tujuan penguuran tersebut. Uji validitas untu data yang diperoleh dengan menggunaan uesioner dapat dilauan dengan menghitung orelasi produ momen (Pearson correlation), yaitu orelasi antara sor setiap butir pertanyaan dengan sor total. Rumus yang digunaan untu itu adalah r i n ij i t j t n j j n i t t dengan ij adalah sor responden e-j pada pertanyaan e-i, ij j j (.) i adalah rata-rata sor pertanyaan e-i, t j adalah total sor seluruh pertanyaan untu responden e-j, t adalah rata-rata total sor, n adalah jumlah responden dan r i adalah orelasi antara butir pertanyaan e-i dengan total sor. Pengujian validitas dilauan dengan membandingan anga orelasi yang diperoleh dengan anga ritis tabel orelasi nilai r. Anga ritis diperoleh dari tabel orelasi nilai r dengan taraf signifiansi 5% dan derajat bebas n-. Bila anga orelasi yang diperoleh lebih besar daripada anga ritis tabel orelasi nilai r maa data diataan valid (Singarimbun & Effendi,989).. Reliabilitas Menurut Azwar (997), reliabilitas mempunyai berbagai nama lain seperti eterpercayaan, eterhandalan, eajegan, estabilan, dan onsistensi. Namun ide poo yang terandung dalam onsep reliabilitas adalah sejauh mana hasil suatu penguuran dapat dipercaya. Hasil penguuran dapat 5

6 dipercaya hanya bila dalam beberapa ali pelasanaan penguuran terhadap elompo subje yang sama diperoleh hasil yang relatif sama, selama aspe yang diuur dalam diri responden memang belum berubah. Dalam hal ini, relatif sama berarti adanya toleransi terhadap perbedaan-perbedaan yang ecil diantara hasil beberapa ali penguuran. Bila perbedaan itu sangat besar dari watu e watu maa hasil penguuran tida dapat dipercaya dan diataan sebagai tida reliabel. Masih berdasaran Azwar (997) bila sor pada responden pertama diberi lambang dan sor pada responden edua diberi lambang, maa oefisien reliabilitas dinyataan dengan simbol Koefisien reliabilitas diataan sempurna bila uesioner tida reliabel bila r, dengan 0 r. ' r ' =, dan sebalinya, r ' = 0. Uji reliabilitas dapat dilauan dengan berbagai cara, salah satunya dengan metode pendeatan onsistensi internal yang menggunaan rumus Rulon, rumus Flanagan, atau dengan oefisien Cronbach. Rumus Rulon dan rumus Flanagan digunaan untu data disrit, sedangan untu data disrit maupun data interval, dengan nilai Cronbach yang dirumusan r ' dapat dinyataan p Si p i Cronbach (.) p ST dengan p adalah banyanya pertanyaan, S i adalah variansi sor butir pertanyaan e-i dan S T adalah variansi sor total. Menurut Ghozali (00) suatu variabel diataan reliabel bila nilai oefisien reliabilitas yang diperoleh lebih dari atau sama dengan Variansi-Kovariansi dan Korelasi Dalam suatu penelitian seringali terdapat lebih dari satu variabel, sehingga uuran-uuran (data) yang terumpul adalah data multivariat. Nilai variabelvariabel tersebut dicatat untu masing-masing item, individu atau trial percobaan 6

7 yang berbeda. Untu menunjuan harga variabel e-i yang diamati pada item ej digunaan notasi x ij. Mean sampel dari n penguuran pada variabel e-i didefinisian sebagai x n i x ij n j Variansi sampel e-i didefinisian sebagai, i =,,...,. n xij xi i s i sii i =,,..., n j untu n ecil (data urang dari 40) digunaan pembagi n-. Sedangan untu ovariansi sampel s ih didefinisian sebagai s ih n n xij xi x hj xh j i,,..., h,,...,. Untu oefisien orelasi sampel untu variabel e-i dan variabel e-h didefinisian sebagai r ih s / s / ii s ih hh i,,..., h,,...,. Statisti desriptif di atas dapat ditulisan dalam bentu matris sebagai mean sampel x x X, x variansi-ovariansi sampel S n s s s s s s s s, s dan orelasi r R r r r r r (Johnson & Wichern,988). 7

8 ..4 Nilai Eigen dan Vetor Eigen Bila M adalah sebuah matris n x n, maa sebuah vetor ta nol x pada R n disebut vetor eigen (eigenvector) dari M bila Mx adalah elipatan salar dari x. Lebih jelasnya dapat ditulisan Mx = λx untu salar sembarang λ. Salar λ disebut nilai eigen (eigenvalue) dari M dan x disebut sebagai vetor dari M yang terait dengan λ (Anton & Rorres, 004)...5 Analisis Korelasi Kanoni Analisis orelasi anoni adalah metode statisti multivariat yang dapat digunaan untu mengetahui eeratan hubungan antara elompo variabel independen dan elompo variabel dependen. Analisis ini berfous pada orelasi antara ombinasi linear dari elompo variabel dependen dengan ombinasi linear dari elompo variabel independen. Ide utama dari analisis ini adalah mencari pasangan dari ombinasi linear tersebut yang memilii orelasi terbesar. Pasangan dari ombinasi linear ini merupaan fungsi anoni dan orelasinya disebut orelasi anoni (Hair et al., 998). Hal-hal yang harus diperhatian dalam melauan analisis orelasi anoni sebagai beriut.. Asumsi Dasar Analisis Korelasi Kanoni Analisis orelasi anoni mensyaratan beberapa asumsi yang harus dipenuhi, antara lain permasalahan uuran sampel, multiolinearitas dan normal multivariat. Di antara asumsi tersebut, yang paling penting adalah normal multivariat. Pengujian normal multivariat analog dengan asumsi normal univariat untu semua variabel (Sherry & Henson, 005). Menurut Hair et al. (998) dalam analisis orelasi anoni diperluan asumsi normalitas pada variabel bertipe metri. Teni pengujian asumsi normal multivariat dilauan dengan uji normalitas untu setiap variabel. Bila secara individu sebuah variabel memenuhi asumsi normalitas maa secara eseluruhan juga aan memenuhi asumsi normal multivariat. Menurut Supranto (000) asumsi normalitas terpenuhi bila nilai signifiansi pada uji 8

9 Kolmogorov Smirnov lebih dari alpha. Dalam hal ini alpha yang digunaan sebesar Asumsi tida adanya multiolinearitas dapat dietahui dengan cara menganalisis matris orelasi sederhana antar variabel independen dan orelasi sederhana antar variabel dependennya. Bila nilai orelasi cuup besar, yaitu di atas 0.8 maa dimunginan terjadi multiolinearitas, tetapi bila ada yang melampaui 0.95 dapat diataan terjadi multiolinearitas serius (Glantz & Sliner, 990).. Koefisien Kanoni dan Fungsi Kanoni Misalan terdapat elompo variabel dependen Y, Y,, Y yang dinotasian dengan vetor variabel aca Y, dan elompo variabel independen X, X,, X yang dinotasian dengan vetor variabel aca X, maa arateristi dari vetor variabel aca X dan Y tersebut menurut Johnson & Wichern (988) adalah E(Y) μ E(X) μ Y X Misalan A t = a a,..., Cov(X,Y) Σ Cov(Y) Σ Cov(X) Σ YY XX XY. Σ t YX, a dan B t =b, b,..., b edua elompo variabel tersebut dapat ditulisan sebagai W= A t X a X a X... a X V= B t Y b Y b Y... b Y maa ombinasi linear dari. Vetor oefisien A dan B dapat diperoleh dengan cara mencari... yang merupaan nilai eigen dari matris YY YX XX XY yang berpadanan dengan vetor eigen f,f,...,f. Di samping itu,... juga merupaan nilai eigen dari matris XX XY YY YX yang berpadanan dengan vetor eigen anoni A dan B diperoleh sebagai beriut e,e,...,e. Sehingga vetor oefisien 9

10 a a e e t XX e b f f t YY f e b e t f XX e f t YY f (.3) a. e b f t t e XX e f YY f Korelasi anoni diperoleh dengan menghitung Corr W, V a t XY. t t a XX a b YY b Didefinisian pasangan pertama dari variabel anoni adalah ombinasi linear W dan V yang memilii variansi satu dan orelasinya terbesar. Pasangan edua dari variabel anoni adalah ombinasi linear W dan V yang memilii variansi satu dan orelasi terbesar edua serta tida berorelasi dengan variabel anoni yang pertama. Sedangan pasangan e- dari variabel anoni adalah ombinasi linear W dan V yang memilii variansi satu dan orelasinya terbesar e- serta tida berorelasi dengan variabel anoni,,, -. Dengan demiian dapat ditulisan Fungsi anoni pertama : t W a X t V b Y Fungsi anoni edua : W a t X t V b Y Cov Fungsi anoni e- : W V a b t t Var(W ) Var(V ) Var(W ) Var(V ) X Y b,masimum Corr W,V. W, V CovW, V 0, masimum CorrW, V ρ. Cov Var(W ) Var(V ) W, V 0, masimum CorrW, V ρ. Dari uraian di atas dapat ditulisan dalam analisis orelasi anoni dari variabel anoni W dan V, dapat dibentu fungsi anoni W= A t X dan 0

11 V= B t Y dengan A dan B adalah vetor oefisien anoni yang didapatan dari persamaan (.3). 3. Uji Signifiansi Korelasi Kanoni Ada dua hipotesis yang diujian dalam analisis orelasi anoni yaitu uji hipotesis untu mengetahui apaah secara eseluruhan orelasi anoni signifian dan uji hipotesis untu mengetahui apaah ada sebagian orelasi anoni yang signifian (Rencher, 00). (a). Uji orelasi anoni secara bersama Berdasaran Rencher (00), pengujian orelasi anoni secara bersama dilauan dengan uji statisti Wil melalui pendeatan distribusi F. Hipotesisnya adalah H H 0 : :ada 0 i... Statisti uji F = / t 0 dimana i,,...,. / t df df, dengan i i. Kriteria eputusan yaitu hipotesis nol ditola pada taraf signifiansi bila F F dengan derajat bebas df dan df dimana df, wt 4 4 t. 5 df, dengan w n 3, dan Selain itu dapat pula dilihat dari nilai signifiansi F, dimana hipotesis nol ditola bila nilai signifiansi F urang dari alpha. Alpha yang digunaan dalam pengujian ini adalah (b). Uji individu Berdasaran Rencher (00), pengujian orelasi anoni secara individu dilauan melalui pendeatan distribusi F. Dengan hipotesisnya adalah H H 0 : 0, : 0 i 0,..., 0 dimana i,,...,.

12 Statisti uji F = / t j / t j df df, dengan j i i j. Kriteria eputusan yaitu hipotesis nol ditola pada taraf signifiansi bila F F dengan derajat bebas df dan df dimana df ( j ), wt ( j ) w, df, dengan n 3 dan 4 ( j ) 4 t. ( j ) 5 Selain itu dapat pula dilihat dari nilai signifiansi F, dimana hipotesis nol ditola bila nilai signifiansi F urang dari alpha. Alpha yang digunaan dalam pengujian ini adalah Interpretasi Fungsi Kanoni Menurut Hair et al. (998), interpretasi yang dapat dilauan dalam analisis orelasi anoni yaitu terhadap oefisien anoni (bobot anoni/weight canonic), muatan/loadings canonic dan muatan silang/cross loadings canonic. (a) Bobot anoni merupaan oefisien anoni yang telah dibauan, dapat diinterpretasian sebagai besarnya ontribusi variabel asal terhadap variat anoni. Semain besar nilai oefisien ini menyataan semain besar ontribusi variabel yang bersangutan terhadap variat anoni. Bila tanda dari bobot suatu variabel berlawanan dengan variat anoninya maa menunjuan hubungan yang terbali dengan variabel lainnya. Bobot anoni memilii sifat tida stabil arena pengaruh multiolinearitas, maa dalam mengoptimalan hasil perhitungan orelasi anoni, lebih tepat menggunaan muatan anoni dan muatan silang anoni untu menginterpretasi hasil dari analisis orelasi anoni. (b) Muatan anoni dapat dihitung dari orelasi sederhana antara variabel asal dengan masing-masing oefisien variat anoninya. Semain besar nilai muatan anoni mencerminan semain deat hubungan fungsi anoni

13 yang bersangutan dengan variabel asal. Masih berdasaran Hair et al. (998) muatan anoni variabel dependen diperoleh dengan rumus R YV RYY B (.4) R YY merupaan orelasi sederhana antar elompo variabel Y dan B merupaan vetor oefisien anoni variat V. Sedangan muatan anoni variabel independen diperoleh dengan rumus R XX R XW R XX A (.5) merupaan orelasi sederhana antar elompo variabel X dan A merupaan matris oefisien anoni variat W. (c) Muatan silang anoni dapat dihitung dari peralian dari nilai orelasi anoni dengan muatan anoni. Perhitungan ini mencaup orelasi tiap variabel dependen dengan variat anoni independen dan juga sebalinya. Semain besar nilai muatan silang anoni mencerminan semain deat hubungan fungsi anoni yang bersangutan dengan variabel lawan. Masih berdasaran Hair et al. (998) muatan silang anoni variabel dependen diperoleh dengan rumus R R. R YW merupaan muatan anoni variabel dependen dan YW YV adalah nilai orelasi anoni fungsi anoni e-. Sedangan muatan silang anoni variabel independen diperoleh dengan rumus R R XV R XW merupaan muatan anoni variabel independen dan adalah nilai orelasi anoni fungsi anoni e-. XW Keeratan hubungan antar dua elompo variabel dapat diataan bai bila semua oefisien muatan silang anoni dari variabel dependen maupun independen lebih dari atau sama dengan 0.45 (Sherry & Henson, 005). 3

14 5. Redundansi Redundansi merupaan sebuah indes yang menghitung proporsi eragaman yang dapat dijelasan oleh variabel anoni yang dipilih bai dari variabel anoni dependen maupun variabel anoni independen. Proporsi eragaman Y yang diterangan oleh variat anoni V diperoleh dari perhitungan rata-rata muatan anoni yang diuadratan, muatan anoni diperoleh dari persamaan (.4), atau dapat ditulisan dengan rumus R i ( ) Y dengan adalah jumlah variabel dalam elompo variabel dependen. Proporsi eragaman Y yang diterangan oleh variat anoni W diperoleh melalui peralian uadrat orelasi anoni dengan rata-rata muatan anoni yang diuadratan, atau dapat ditulisan dengan rumus R YVi R ( ) Y X R ( ) Y. Proporsi eragaman X yang diterangan oleh variat anoni W diperoleh dari perhitungan rata-rata muatan anoni yang diuadratan, muatan anoni diperoleh dari persamaan (.5), atau dapat ditulisan dengan rumus R i ( ) X R XWi dengan adalah jumlah variabel dalam elompo variabel independen. Proporsi eragaman X yang diterangan oleh variat anoni V diperoleh melalui peralian uadrat orelasi anoni dengan rata-rata muatan anoni yang diuadratan, atau dapat ditulisan dengan rumus R ( ) X Y R ( ) X. Kuadrat orelasi anoni menyataan estimasi variansi yang dapat diterangan melalui variat anoninya, tetapi buan menyataan variansi dari variabel. Jadi tida dapat menganggap 00% dari variansi elompo 4

15 variabel dependen dijelasan oleh himpunan variabel independen, dan juga sebalinya (Hair et al., 998). Selain itu dijelasan oleh Keramati (007) bahwa suatu variat anoni diataan cuup bai dan signifian dalam menerangan variansi dalam suatu penelitian, bila nilai proporsi eragaman umulatifnya lebih dari 5%. Hal ini mengingat emunginan adanya variabel-variabel lain yang juga berontribusi dalam perhitungan namun belum disertaan dalam penelitian.. Keranga Pemiiran Berdasaran tinjauan pustaa, dapat disusun suatu eranga pemiiran. Dilauan presampling dengan mengedaran uesioner 30 buah, data yang diperoleh diuji reliabilitas dan validitasnya untu mengetahui eauratan uesioner yang aan digunaan.. Kuesioner yang sudah reliabel dan valid diedaran e seluruh responden. 3. Data yang sudah diperoleh dienai uji validitas dan reliabilitas. 4. Data dienai uji asumsi yaitu normal multivariat dan multiolinearitas. 5. Dilauan analisis orelasi anoni terhadap data tersebut sehingga diperoleh fungsi anoni dan besarnya orelasi anoni. 6. Korelasi anoni yang didapatan diuji statisti untu mengetahui signifiansinya. 7. Berdasaran fungsi anoni yang signifian, dicari nilai redundansinya untu mengetahui proporsi eragaman yang diterangan oleh variabel asal maupun variabel lawan. 8. Interpretasi fungsi anoni dengan bobot anoni, muatan anoni dan muatan silang anoni sehingga dietahui variabel yang memilii hubungan paling erat bai di dalam elompo variabel maupun antar elompo variabel. 5

16 BAB III METODE PENELITIAN 3. Sumber Data Data yang digunaan dalam penelitian ini berupa data primer yang diperoleh dengan mengedaran uesioner epada onsumen/pemili sepeda motor di ota Suraarta. Sampel yang digunaan sebanya 50 responden dari 5 ecamatan yang berada di ota Suraarta, yaitu ecamatan Banjarsari, ecamatan Jebres, ecamatan Pasar Kliwon, ecamatan Serengan, dan ecamatan Laweyan. Jumlah responden tiap ecamatan sebanya 30 orang. Pemilihan responden untu mengisi uesioner tiap ecamatan dipilih secara random. Kuesioner yang digunaan terdapat dalam Lampiran dan untu hasil pengisian uesioner dapat dilihat dalam Lampiran. Penelitian dimulai dengan melauan presampling untu menguur validitas dan reliabilitas uesioner. Sampel yang digunaan sebanya 30 responden. Uji validitas dari masing-masing pertanyaan dapat dicari dengan menggunaan persamaan (.) dan hasil perhitungannya dapat dilihat pada Lampiran 3. Dalam Tabel 3. terlihat bahwa semua pertanyaan valid arena memilii oefisien orelasi Pearson lebih besar dari nilai anga ritis tabel orelasi-r untu derajat bebas 8 dan taraf signifiansi 5% yaitu Tabel 3. Koefisien orelasi Pearson dari sebelas pertanyaan presampling Variabel Koefisien orelasi pearson Kebiasaan touring Ketertarian produ baru Kebiasaan redit Keiritan bensin Desain model 0.78 Tipe model 0.74 Kecepatan Daya tahan mesin Harga 0.74 Harga jual embali 0.54 Ketersediaan bengel

17 Langah beriutnya dilauan uji reliabilitas dengan menggunaan persamaan (.) dan diperoleh nilai oefisien Cronbach = lebih dari 0.6 sehingga dapat disimpulan bahwa variabel yang dibentu sudah reliabel dan dapat diataan bahwa uesioner yang dibagian dapat memberian data yang onsisten. Setelah uesioner dinyataan valid dan reliabel, maa penelitian dapat dilauan dengan menggunaan uesioner tersebut untu mendapatan data eseluruhan yang aan dianalisis. Selanjutnya dilauan penelitian untu seluruh responden pada bulan Juli Agustus 00. Masing-masing responden menjawab pertanyaan dalam uesioner yang sudah valid dan reliabel. Pertanyaan-pertanyaan yang diberian mewaili variabel-variabel yang diteliti. Variabel yang diteliti terdiri elompo variabel independen (arateristi onsumen) dan elompo variabel dependen (atribut sepeda motor). Rincian masing-masing elompo variabel dapat dilihat dalam Tabel 3. dan Tabel 3.3. Tabel 3. Keterangan dan sor variabel independen (arateristi onsumen) Variabel Keterangan Sor Usia (X ) Usia dari responden : < 0 tahun : 0-9 tahun 3 : tahun 4 : tahun 5 : > 50 tahun Jenis elamin Jenis elamin : Lai-lai (X ) Pendidian (X 3 ) Peerjaan (X 4 ) Pengeluaran (X 5 ) responden Tingat pendidian terahir responden Jenis peerjaan yang dimilii responden Jumlah rata-rata pengeluaran untu ebutuhan sehari-hari tiap bulan. : Perempuan : Tida tamat SD : SD 3 : SMP 4 : SMA 5 : Perguruan Tinggi : Pensiunan : Wiraswasta 3 : Karyawan swasta 4 : Pegawai negeri 5 : Pelajar : < Rp ,- : Rp ,- s/d Rp ,- 3 : Rp ,- s/d Rp ,- 4 : Rp ,- s/d Rp ,- 5 : > Rp ,- 7

18 Lanjutan Tabel 3. Kebiasaan pergi jauh/touring (X 6 ) Ketertarian produ baru (X 7 ) Kebiasaan redit (X 8 ) Rutinitas melauan perjalanan jauh (dengan jara > 50 m) Kecenderungan onsumen untu menggunaan barang yang up to date Kecenderungan onsumen membayar secara redit dalam membeli barang : Sangat jarang (tiap > 4 bulan) : Jarang (tiap -4 bulan) 3 : Sering (tiap minggu) 4 : Sangat sering (tiap hari) : Sangat tida tertari : Tida tertari 3 : Tertari 4 : Sangat tertari : Sangat sering : Sering 3 : Jarang 4 : Sangat jarang Tabel 3.3 Keterangan dan sor variabel dependen (atribut sepeda motor) Variabel Keterangan Sor Keiritan bensin (Y ) Desain model (Y ) Tipe model (Y 3 ) Kecepatan (Y 4 ) Daya tahan mesin (Y 5 ) Harga beli (Y 6 ) Jumlah bahan baar bensin yang dibutuhan oleh sepeda motor Tampilan fisi dari sepeda motor Kemudahan tenologi sepeda motor (matic/ non matic) Kemampuan sepeda motor menempuh jara dalam watu yang tertentu Kemampuan mesin tetap berfungsi dengan bai saat digunaan dalam watu yang lama Harga sepeda motor saat dibeli : Sangat boros : Boros 3 : Irit 4 : Sangat irit : Sangat jele : Jele 3 : Bagus 4 : Sangat bagus : Sangat sulit : Sulit 3 : Mudah 4 : Sangat mudah : Sangat lambat : Lambat 3 : Cepat 4 : Sangat cepat : Sangat buru : Buru 3 : Bai 4 : Sangat bai : Sangat mahal : Mahal 3 : Murah 4 : Sangat murah 8

19 Lanjutan Tabel 3.3 Harga jual Harga sepeda motor saat embali (Y 7 ) dijual embali setelah digunaan Ketersediaan bengel (Y 8 ) Keberadaan bengel resmi sepeda motor di seitar tempat tinggal onsumen : Sangat murah : Murah 3 : Mahal 4 : Sangat mahal : Sangat jarang : Jarang 3 : Banya 4 : Sangat banya 3. Metode Analisis Data Tahap analisis data yaitu mengolah data yang telah diperoleh, arena perhitungan secara manual cuup rumit dan memaan watu lama, maa perhitungan dilauan dengan bantuan software SPSS.0. Penelitian ini berupa studi asus tentang analisis orelasi anoni yang diapliasian dengan langah-langah sebagai beriut.. Melauan uji validitas dan reliabilitas untu semua data.. Melauan uji asumsi normalitas dan multiolinearitas data. 3. Melauan analisis orelasi anoni dengan langah-langah (a) menentuan fungsi anoni dan besarnya orelasi anoni, (b) melauan uji signifiansi terhadap orelasi anoni, bai uji secara bersama-sama maupun individu, (c) menentuan nilai redundansi dari beberapa fungsi anoni yang signifian. 4. Menginterpretasi fungsi anoni dengan tiga cara yaitu (a) menentuan bobot anoni (weight anoni) untu mengetahui urutan ontribusi relatif dari tiap elompo variabel, (b) menentuan muatan anoni (loading anoni) untu mengetahui variabel yang memilii hubungan paling erat dalam tiap elompo variabel, (c) menentuan muatan silang anoni (cross loading anoni) untu variabel yang memilii hubungan paling erat antar elompo variabel. 9

20 BAB IV PEMBAHASAN 4. Uji Validitas dan Reliabilitas Data eseluruhan yang diperoleh dari pengisian uesioner diuji validitas dan reliabilitasnya. Uji validitas dari masing-masing pertanyaan dapat dicari dengan menggunaan persamaan (.) dan hasil perhitungannya dapat dilihat pada Lampiran 3. Dalam Tabel 4. terlihat bahwa semua pertanyaan valid arena memilii oefisien orelasi Pearson lebih besar dari nilai anga ritis tabel orelasi-r untu derajat bebas 48 dan taraf signifiansi 5% yaitu Selanjutnya dilauan uji reliabilitas dengan menggunaan persamaan (.) dan diperoleh nilai oefisien Cronbach = lebih dari 0.6 sehingga dapat disimpulan bahwa variabel yang dibentu sudah reliabel dan dapat diataan bahwa uesioner yang dibagian dapat memberian data yang onsisten. Tabel 4. Koefisien orelasi Pearson dari sebelas pertanyaan data eseluruhan Variabel Koefisien Signifiansi orelasi pearson Kebiasaan touring Ketertarian produ baru Kebiasaan redit Keiritan bensin Desain model Tipe model Kecepatan Daya tahan mesin Harga Harga jual embali Ketersediaan bengel Pemerisaan Asumsi Sebelum dilauan pengolahan data dengan orelasi anoni, eseluruhan data yang diperoleh diuji terlebih dahulu sesuai persyaratan-persyaratan yang harus dipenuhi yaitu asumsi normalitas dan multiolinearitas. 0

21 . Pengujian Normalitas Multivariat Pengujian normalitas dilauan dengan uji Kolmogorov Smirnov untu masing-masing variabel dependen maupun independen yang bertipe metri. Berdasaran perhitungan, semua variabel tersebut berdistribusi normal arena nilai signifiansi lebih dari 0.05, hasil perhitungan dapat dilihat pada output SPSS.0 yang terdapat dalam Lampiran 4.. Pengujian Multiolinearitas Pengujian multiolinearitas dilauan dengan melihat matris orelasi sederhana antar variabel independen dan orelasi sederhana antar variabel dependennya. Berdasaran hasil perhitungan yang tampa pada Tabel 4. dan 4.3, tida ada orelasi yang bernilai lebih dari 0.8 maa dapat disimpulan tida terdapat multiolinearitas. Tabel 4. Korelasi sederhana antar variabel independen Var X X X 3 X 4 X 5 X 6 X 7 X 8 X X X X X X X X Tabel 4.3 Korelasi sederhana antar variabel dependen Var Y Y Y 3 Y 4 Y 5 Y 6 Y 7 Y 8 Y Y Y Y Y Y Y Y

22 4.3 Hasil Analisis Korelasi Kanoni Dengan terpenuhinya semua persyaratan untu uji orelasi anoni, maa analisis data dapat dilanjutan. Pengolahan data dalam analisis orelasi anoni menggunaan program SPSS ver.0. Hasil perhitungan secara lengap dapat dilihat pada Lampiran 5. Untu epentingan memperoleh hasil penelitian hanya diambil bagian-bagian yang penting. Adapun bagian-bagian tersebut dapat dilihat di bawah ini.. Fungsi Kanoni Banyanya fungsi anoni yang terbentu mengiuti jumlah minimal variabel dalam setiap elompo variabel. Dalam asus ini, elompo variabel dependen terdiri dari 8 variabel sedangan elompo variabel independen juga terdiri dari 8 variabel, maa aan terbentu 8 fungsi anoni. Penentuan jumlah fungsi anoni yang dapat digunaan dalam tahap interpretasi didasaran pada uji signifiansi statisti dan indes redundansi tiap variat anoni.. Uji Signifiansi Statisti (a). Pengujian secara bersama-sama Tabel 4.4 Hasil uji signifiansi multivariat bersama Uji Statisti Nilai Pendeatan F-statisti Signifiansi F Pillai Hotelling Wil Roy Pengujian dilauan dengan membandingan antara nilai signifiansi F dan taraf signifiansi. Dengan menggunaan uji statisti Wil dan 0. 05, terlihat pada Tabel 4.4 bahwa semua fungsi signifian arena nilai signifiansi F urang dari Dengan demiian bila digabung secara bersama-sama, fungsi anoni sampai fungsi anoni 8

23 dapat dianalisis lebih lanjut. Hasil pengujian secara bersama-sama dalam Tabel 4.4 tersebut berdasaran output SPSS.0 pada Lampiran 5. (b). Pengujian secara individu Tabel 4.5 Hasil uji signifiansi individu Fungsi anoni Korelasi anoni Korelasi anoni uadrat F-statisti Signifiansi F Pengujian dilauan dengan membandingan antara nilai signifiansi F dan taraf signifiansi. Dari Tabel 4.5 terlihat bahwa nilai signifiansi F fungsi pertama dan edua urang dari 0.05 sehingga signifian secara individu. Sedangan fungsi etiga sampai fungsi edelapan nilai signifiansi lebih dari 0.05 maa fungsi-fungsi tersebut tida signifian secara individu. Dengan demiian hanya fungsi pertama dan fungsi edua yang dapat dianalisis lebih lanjut arena signifian secara individu dan bersama-sama. Sedangan fungsi etiga sampai fungsi edelapan secara individu tida dapat dianalisis lebih lanjut. Hasil pengujian secara individu dalam Tabel 4.5 tersebut berdasaran output SPSS.0 pada Lampiran Analisis Redundansi Analisis redundansi dilauan hanya pada dua fungsi anoni, yaitu fungsi anoni pertama dan edua. Dalam analisis redundansi yang digunaan adalah nilai muatan anoni, orelasi anoni uadrat ( ) dan indes redundansi. Indes redundansi diperoleh dari peralian rata-rata muatan 3

24 anoni uadrat dengan orelasi anoni uadrat ( ). Beriut perhitungan indes redundansi untu dua fungsi anoni yang ditampilan dalam Tabel 4.6 dan 4.7. Tabel 4.6 dan 4.7 menunjuan hasil perhitungan rata-rata muatan anoni uadrat dan indes redundansi untu variabel dependen dan independen dari fungsi pertama dan fungsi edua. Rata-rata muatan anoni uadrat digunaan untu mengetahui proporsi variansi bersama dalam masing-masing variat anoni, sedangan indes redundansi untu mengetahui proporsi variansi yang dijelasan varit anoni lawan. Penyajian secara umulatif dapat dilihat dalam Tabel 4.8 dan 4.9. Tabel 4.6 Perhitungan indes redundansi untu fungsi anoni pertama Variat/ variabel Variabel independen X X X 3 X 4 X 5 X 6 X 7 X 8 Variat independen Variabel dependen Y Y Y 3 Y 4 Y 5 Y 6 Y 7 Y 8 Variat dependen Muatan anoni Muatan anoni uadrat Rata-rata muatan uadrat Korelasi anoni uadrat Indes Redundansi

25 Tabel 4.7 Perhitungan indes redundansi untu fungsi anoni edua Variat/ variabel Variabel independen X X X 3 X 4 X 5 X 6 X 7 X 8 Variat independen Variabel dependen Y Y Y 3 Y 4 Y 5 Y 6 Y 7 Y 8 Variat dependen Muatan anoni Muatan anoni uadrat Rata-rata muatan uadrat Korelasi anoni uadrat Indes Redundansi Dari Tabel 4.8 dapat disimpulan bahwa pada fungsi pertama, variansi dalam variabel independen dapat dijelasan sebesar 6.3 % oleh variat anoni independen, dan dapat dijelasan sebesar 6.8 % oleh variat anoni dependennya. Untu fungsi edua variansi dalam variabel dependen dapat dijelasan sebesar 8.5 % oleh variat anoni independen, dan dapat dijelasan sebesar 5.7 % oleh variat anoni dependennya. Dari Tabel 4.9 dapat disimpulan bahwa pada fungsi pertama, variansi dalam variabel dependen dapat dijelasan sebesar 9. % oleh variat anoni dependen, dan dapat dijelasan sebesar. % oleh variat anoni independennya. Untu fungsi edua variansi dalam variabel dependen dapat 5

26 dijelasan sebesar.9 % oleh variat anoni dependen, dan dapat dijelasan sebesar 4 % oleh variat anoni independennya. Tabel 4.8 Analisis redundansi dari variabel independen untu dua fungsi anoni Variansi yang dijelasan Fungsi anoni variat anoninya sendiri (variansi bersama) Prosentase Prosentase umulatif Korelasi anoni uadrat Variansi yang dijelasan variat anoni lawan (redundansi) Prosentase Tabel 4.9 Analisis redundansi dari variabel dependen untu dua fungsi anoni Variansi yang dijelasan Fungsi Variat anoninya sendiri anoni (variansi bersama) Prosentase Prosentase umulatif Korelasi anoni uadrat Prosentase umulatif Variansi yang dijelasan variat anoni lawan (redundansi) Prosentase Prosentase umulatif Proporsi variansi eseluruhan dalam variat anoni dependen yang dijelasan fungsi pertama dan edua adalah sebesar 4 % dan proporsi variansi eseluruhan dalam variat anoni independen yang dijelasan fungsi pertama dan edua adalah sebesar 34.8 %. Sehingga berdasaran nilai-nilai tersebut dapat disimpulan bahwa variat dependen dan variat independen cuup bai dalam mewaili himpunan variabelnya masing-masing, arena suatu variat anoni diataan cuup bai dan signifian dalam menerangan variansi dalam suatu penelitian, bila nilainya lebih dari 5%. Hal ini mengingat terdapat variabel-variabel lain yang juga berontribusi dalam perhitungan namun tida disertaan dalam penelitian. 6

27 (a). Bobot anoni 4.4 Interpretasi Fungsi Kanoni Tabel 4.0 Bobot anoni variabel independen dan dependen Variabel Variabel independen X X X 3 X 4 X 5 X 6 X 7 X 8 Variabel dependen Y Y Y 3 Y 4 Y 5 Y 6 Y 7 Y 8 Bobot Kanoni Fungsi anoni Fungsi anoni Besarnya (oefisien) bobot menunjuan ontribusi terhadap variat. Dengan tida memperhatian fungsi etiga sampai dengan edelapan, berdasaran oefisien anoni yang telah dibauan dalam Tabel 4.0 dapat disimpulan pada fungsi anoni pertama urutan ontribusi variabelvariabel independen terhadap variabel anoni adalah X 6, X, X 7, X 8, X 5, X 3, X 4, X. Hal ini berarti dari elompo variabel arateristi onsumen, variabel ebiasaan pergi jauh merupaan variabel yang paling diperhitungan onsumen dalam memilih sepeda motor. Selanjutnya arateristi onsumen yang berpengaruh dalam pemilihan sepeda motor adalah jenis elamin, etertarian produ baru, ebiasaan redit, pengeluaran, tingat pendidian, jenis peerjaan dan terahir variabel usia. Sedangan pada fungsi edua, urutan ontribusi variabel-variabel independen terhadap variabel anoni adalah X 8, X 6, X 7, X, X 5, X, X 4, X 3. Hal ini berarti dari elompo variabel arateristi onsumen, variabel 7

28 ebiasaan redit merupaan variabel yang paling mempengaruhi onsumen dalam memilih sepeda motor. Dengan tida memperhatian fungsi etiga sampai dengan edelapan, berdasaran oefisien anoni yang telah dibauan dalam Tabel 4.0 dapat disimpulan pada fungsi anoni pertama urutan ontribusi variabelvariabel dependen terhadap variabel anoni adalah Y 6,Y 4,Y 3,Y 8,Y 5,Y,Y,Y 7. Hal ini berarti dari elompo variabel atribut sepeda motor, variabel harga beli sepeda motor merupaan variabel yang paling diperhitungan onsumen dalam memilih sepeda motor. Selanjutnya onsumen memperhitungan ecepatan, tipe model, etersediaan bengel, daya tahan mesin, eiritan bensin, desain model dan terahir harga jual embali. Sedangan pada fungsi edua, urutan ontribusi variabel-variabel dependen terhadap variabel anoni adalah Y 8,Y 6,Y,Y 3,Y 4,Y 7,Y 5,Y. Sedangan pada fungsi edua, urutan ontribusi variabel-variabel dependen terhadap variabel anoni adalah Y 8,Y 6,Y,Y 3,Y 4,Y 7,Y 5,Y. Hal ini berarti dari elompo variabel atribut sepeda motor, variabel eberadaan bengel merupaan variabel yang paling diperhitungan onsumen dalam memilih sepeda motor. Tanda minus pada bobot anoni menunjuan bahwa hubungan variabel tersebut berlawanan arah dalam variat anoni yang dibentu. (b). Muatan Kanoni Muatan anoni menyataan orelasi variabel terhadap variat di mana variabel bergabung dalam setiap fungsi anoni. Untu elompo variabel independen (arateristi onsumen), berdasaran Tabel 4. terlihat bahwa variabel X (jenis elamin) adalah variabel yang memilii muatan tertinggi pada fungsi pertama. Selanjutnya disimpulan variabel-variabel yang hubungannya paling erat dengan variat anoni independen yaitu X, X 6, dan X 7. Tabel 4.0 juga memperlihatan bahwa pada fungsi pertama seluruh variabel independen bertanda minus, ecuali pada variabel X dan X 5. Hal ini menunjuan bahwa seluruh variabel mempunyai pengaruh yang searah 8

29 dalam variat dependen ecuali variabel usia dan jumlah pengeluaran. Sedangan pada fungsi edua terlihat variabel-variabel yang hubungannya paling erat dengan variat anoni independen yaitu X 8, X 5, dan X 6. Berdasaran fungsi pertama dapat disimpulan dari eseluruhan variabel arateristi onsumen, maa arater onsumen yang paling berpengaruh dalam memilih suatu sepeda motor adalah arater jenis elamin, emudian diiuti gaya hidup ebiasaan pergi jauh, etertarian dengan produ baru, ebiasaaan redit, usia, pendidian, peerjaan dan terahir tingat pengeluaran onsumen. Sedangan berdasaran fungsi edua dapat disimpulan dari eseluruhan variabel arateristi onsumen, maa arater onsumen yang paling berpengaruh dalam memilih suatu sepeda motor adalah arater ebiasaan redit, emudian diiuti tingat pengeluaran, ebiasaan pergi jauh, jenis elamin, etertarian produ baru, usia, peerjaan dan terahir tingat pendidian. Tabel 4. Muatan anoni variabel independen dan dependen Variabel Variabel independen X X X 3 X 4 X 5 X 6 X 7 X 8 Variabel dependen Y Y Y 3 Y 4 Y 5 Y 6 Y 7 Y 8 Muatan anoni Fungsi anoni Fungsi anoni

30 Masih berdasaran Tabel 4. terlihat bahwa dari elompo variabel dependen (atribut sepeda motor), variabel Y 4 (ecepatan) adalah variabel yang memilii muatan tertinggi pada fungsi pertama. Selanjutnya disimpulan variabel-variabel yang hubungannya paling erat dengan variat anoni dependen yaitu Y 4, Y 3, Y 6, Y 8, Y 5, dan Y. Tabel 4. juga memperlihatan bahwa pada fungsi pertama seluruh variabel dependen bertanda minus, hal ini menunjuan bahwa seluruh variabel mempunyai pengaruh yang searah dalam variat dependen. Sedangan pada fungsi edua terlihat variabel-variabel yang hubungannya paling erat dengan variat anoni dependen yaitu Y 6 dan Y 8. Berdasaran fungsi pertama dapat disimpulan dari eseluruhan variabel atribut sepeda motor, maa atribut sepeda motor yang paling dipertimbangan onsumen saat membeli adalah atribut ecepatan suatu sepeda motor, emudian diiuti variabel tipe model, harga beli, etersediaan bengel, daya tahan mesin, desain model, harga jual embali dan eiritan bensin. Sedangan berdasaran fungsi edua dapat disimpulan dari eseluruhan variabel atribut sepeda motor, atribut sepeda motor yang paling dipertimbangan onsumen saat membeli adalah atribut harga beli, emudian didiuti etersediaan bengel, tipe model, daya tahan mesin, desain model, ecepatan, eiritan bensin dan harga jual embali. (c) Muatan Silang Kanoni Muatan-silang anoni menyataan orelasi variabel dalam suatu variat terhadap variat anoni lainnya. Berdasaran Tabel 4., untu elompo variabel independen (arateristi onsumen), terlihat bahwa pada fungsi pertama variabel-variabel yang hubungannya paling erat dengan elompo variabel dependen (atribut sepeda motor) yaitu X, X 6, dan X 7. Sedangan pada fungsi edua terlihat variabel-variabel yang hubungannya paling erat dengan elompo variabel dependen yaitu X 8, X 5, dan X 6. Hal ini sama dengan yang terjadi pada interpretasi muatan anoni. 30

31 Tabel 4. Muatan silang anoni variabel independen dan dependen Variabel Muatan silang anoni Fungsi anoni Fungsi anoni Variabel independen X X X 3 X 4 X 5 X 6 X X 8 Variabel dependen Y Y Y 3 Y 4 Y 5 Y 6 Y 7 Y Masih berdasaran Tabel 4. terlihat bahwa untu elompo variabel dependen (atribut sepeda motor) pada fungsi anoni pertama, variabelvariabel yang hubungannya erat dengan elompo variabel independen (arateristi onsumen) yaitu Y 4, Y 3, Y 6, Y 8, Y 5, dan Y. Urutan eeratan ini sama dengan yang terjadi pada interpretasi muatan anoni. Sedangan pada fungsi edua terlihat variabel-variabel yang hubungannya erat dengan variabel anoni independen Y 6 dan Y 8. Keeratan hubungan antar dua elompo variabel dapat dilihat dari nilai oefisien muatan silang anoni, dari Tabel 4. terlihat bahwa selain variabel Y 4 (atribut ecepatan sepeda motor), semua nilai oefisien variabel dependen maupun independen dari edua fungsi urang dari 0.45, sehingga dapat diataan eeratan hubungan antar dua elompo variabel cuup rendah. Bila interpretasi dari muatan silang anoni dalam fungsi pertama digunaan sebagai predisi seperti regresi berganda maa bila dimisalan 3

32 peringat nilai jenis elamin, pendidian, peerjaan, ebiasaan touring, etertarian produ baru dan ebiasaan redit adalah rendah maa peringat nilai eiritan bensin, desain model, tipe model, ecepatan, daya tahan mesin, harga beli, harga jual dan etersediaan bengel juga rendah. Sedangan bila tingat usia dan pengeluaran semain tinggi maa peringat nilai eiritan bensin, desain model, tipe model, ecepatan, daya tahan mesin, harga beli, harga jual dan etersediaan bengel justru menjadi rendah. Konsumen berjenis elamin perempuan, onsumen berpendidian rendah, onsumen dengan peerjaan pensiunan dan wiraswasta, onsumen yang jarang melauan perjalanan jauh, tida tertari dengan produ baru dan sering melauan redit cenderung tida memperhatian atribut sepeda motor meliputi eiritan bensin, desain model, tipe model, ecepatan, daya tahan mesin, harga beli, harga jual dan etersediaan bengel saat membelinya. Konsumen berjenis elamin lai-lai, onsumen berpendidian tinggi, onsumen dengan peerjaan aryawan swasta, pegawai negeri, dan pelajar, onsumen yang sering melauan perjalanan jauh, mudah tertari dengan produ baru, dan jarang melauan redit cenderung sangat memperhatian atribut sepeda motor yang meliputi eiritan bensin, desain model, tipe model, ecepatan, daya tahan mesin, harga beli, harga jual dan etersediaan bengel saat membelinya. Konsumen yang memilii tingat usia tinggi dan memilii rata-rata pengeluaran tinggi juga cenderung tida memperhatian atribut sepeda motor yang meliputi eiritan bensin, desain model, tipe model, ecepatan, daya tahan mesin, harga beli, harga jual dan etersediaan bengel saat membelinya. Sedangan interpretasi untu fungsi edua maa bila dimisalan peringat nilai jenis elamin, peerjaan, dan ebiasaan redit adalah rendah maa peringat nilai tipe model, ecepatan, daya tahan mesin, dan etersediaan bengel juga rendah. Sedangan peringat nilai untu tingat usia, pendidian, pengeluaran, ebiasaan pergi jauh, dan etertarian produ baru yang semain tinggi mengaibatan peringat nilai eiritan bensin, desain model, harga beli, dan harga jual embali juga tinggi. 3

33 Konsumen berjenis elamin perempuan, onsumen dengan peerjaan pensiunan dan wiraswasta, dan sering melauan redit cenderung tida memperhatian atribut sepeda motor yang meliputi tipe model, ecepatan, daya tahan mesin, dan etersediaan bengel saat membelinya. Konsumen berjenis elamin lai-lai, onsumen dengan peerjaan aryawan swasta, pegawai negeri, dan pelajar, dan jarang melauan redit cenderung sangat memperhatian atribut sepeda motor yang meliputi tipe model, ecepatan, daya tahan mesin, dan etersediaan bengel saat membelinya. Konsumen yang memilii tingat usia tinggi, berpendidian tinggi, memilii rata-rata pengeluaran tinggi, sering melauan perjalanan jauh, dan mudah tertari dengan produ baru juga cenderung sangat memperhatian atribut sepeda motor yang meliputi eiritan bensin, desain model, harga beli, dan harga jual saat membelinya. 33

34 BAB V PENUTUP 5. Kesimpulan Kesimpulan yang dapat ditari berdasaran hasil dari pembahasan sebagai beriut.. Berdasaran fungsi anoni pertama, variabel arateristi onsumen yang paling berpengaruh dalam memilih sepeda motor adalah jenis elamin seorang onsumen. Sedangan berdasaran fungsi anoni edua, variabel arateristi onsumen yang paling berpengaruh dalam memilih sepeda motor adalah ebiasaan redit seseorang dalam membeli suatu barang.. Berdasaran fungsi anoni pertama, variabel atribut sepeda motor yang paling mendasari onsumen dalam memilih sepeda motor adalah atribut ecepatan suatu sepeda motor. Sedangan berdasaran fungsi anoni edua, variabel atribut sepeda motor yang paling mendasari onsumen dalam memilih sepeda motor adalah harga beli dari suatu sepeda motor. 3. Berdasaran fungsi anoni pertama, variabel-variabel arateristi onsumen yang hubungannya paling erat dengan variabel atribut sepeda motor adalah arater jenis elamin, ebiasaan pergi jauh, dan etertarian dengan produ baru dengan nilai muatan silang anoni urang dari 0.45, sehingga dapat diataan hubungan edua elompo variabel cuup rendah. Sedangan variabel-variabel atribut sepeda motor yang hubungannya paling erat dengan variabel arateristi onsumen adalah ecepatan suatu sepeda motor, model, harga beli, etersediaan bengel, daya tahan mesin, dan desain model dengan nilai muatan silang anoni juga urang dari 0.45, ecuali variabel ecepatan suatu sepeda motor bernilai Saran Bagi pembaca yang tertari pada analisis orelasi anoni dapat mengapliasiannya untu setor-setor ehidupan lain seperti esehatan, pendidian dan pertanian. 34

35 DAFTAR PUSTAKA Anton, H. & Rorres, C. (004). Aljabar Linear Elementer Versi Apliasi. Ed.Kedelapan. Erlangga, Jaarta. Asosiasi Industri Sepedamotor Indonesia. (00). Statistic of Motorcycle Production, Wholesales Domestic and Exports. Azwar, S. (997). Reliabilitas dan Validitas. Ed.3 Pustaa Pelajar Offset, Yogyaarta. Badan Pusat Statisti Suraarta. (00). Gambaran Umum Pendudu Suraarta. BPS, Suraarta. Ghozali, I. (00). Apliasi Analisis Multivariate Dengan Program SPSS. Badan Penerbit Universitas Diponegoro, Semarang. Glantz, S.A. & Sliner, B.K. (990). Primer of Applied Regression and Analysis of Variance. Mc-Graw Hill, Inc, Singapore. Hair, J. F., Anderson R. E, Tatham R. L, Blac, W. C. (998). Multivariate Data Analysis. Fifth Edition. Prentice-Hall International, Inc, New Jersey. Honda. (009). Kuesioner Konsumen Honda. PT. Astra Honda Motor, Jaarta. Indonesian Commercial Newsletter (009). Laporan Maret Intelligence Perembangan Industri Sepeda Motor di Indonesia. PT Data Consult, Johnson, R. A. & Wichern, D. W. (988) Applied Multivariate Statistical Analysis Second Edition. Prentice-Hall International, Inc, New Jersey. Kasali, R. (998). Membidi Pasar Indonesia: Segmentasi, Targeting, Positioning. Gramedia, Jaarta. Keramati, A. (007). Assessing the Effects of Information Technology on Firm Performance Using Canonical Correlation Analysis: A Survey in Iran Car Part Suppliers Sector. World Academy of Science, Engineering and Technology , pp:-8. Kotler, P. (000). Mareting Management. Prentice-Hall International, Inc, New Jersey. 35

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja

Aplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja Apliasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingungan Kerja terhadap Kinerja Pegawai BKKBN Provinsi Kalimantan Timur The Application of Somers d Correlation Analysis at Leadership

Lebih terperinci

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA Adam Husaien Faultas Eonomi Manajemen Unversitas 17 agustus 1945,Samarinda Indonesia

Lebih terperinci

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel BAB III ANALISIS DISKRIMINAN 3.1 Pengertian Analisis Disriminan Analisis disriminan merupaan sala satu metode yang digunaan dalam analisis multivariat dengan metode dependensi (dimana ubungan antar variabel

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN 36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)

III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series) III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar belakang

BAB 1 PENDAHULUAN. 1.1 Latar belakang BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,

Lebih terperinci

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT Seminar Nasional Apliasi Tenologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyaarta, 16 Juni 2007 PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT I ing Mutahiroh, Indrato, Taufiq Hidayat Laboratorium

Lebih terperinci

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya

Lebih terperinci

BAB III METODE SCHNABEL

BAB III METODE SCHNABEL BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan

Lebih terperinci

II. TINJAUAN PUSTAKA 2.1 Analisis Korelasi Kanonik

II. TINJAUAN PUSTAKA 2.1 Analisis Korelasi Kanonik 3 II. TINJAUAN PUSTAKA 2.1 Analisis Korelasi Kanonik Menurut Gittins (1985) analisis korelasi kanonik adalah salah satu teknik analisis statistik yang digunakan untuk melihat hubungan antara segugus peubah

Lebih terperinci

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama

Lebih terperinci

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY

ANALISIS KEPUASAN KONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAKET (KURIR) DENGAN MENGGUNAKAN METODE TOPSIS FUZZY Jurnal Manti Penusa Vol No Desember ISSN 88-9 ANALISIS EPUASAN ONSUMEN TERHADAP PELAYANAN PELAYANAN JASA PENGIRIMAN PAET (URIR DENGAN MENGGUNAAN METODE TOPSIS FUZZY Desi Vinsensia Program Studi Teni Informatia

Lebih terperinci

Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus

Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Jurnal Teni Industri, Vol.1, No., Juni 013, pp.96-101 ISSN 30-495X Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Apriyani 1, Shanti Kirana Anggaraeni,

Lebih terperinci

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)

Lebih terperinci

ANALISIS VARIANSI (ANOVA)

ANALISIS VARIANSI (ANOVA) ANALISIS VARIANSI (ANOVA) ANOVA = Analisis Varians (Anava) = Analisis Ragam = Sidi Ragam Diperenalan oleh R.A. Fisher (195) disebut uji F pengembangan dari uji t dua sampel bebas (independent samples t

Lebih terperinci

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.

Lebih terperinci

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry

Lebih terperinci

Aplikasi diagonalisasi matriks pada rantai Markov

Aplikasi diagonalisasi matriks pada rantai Markov J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan

Lebih terperinci

KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009

KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 2009 KECENDERUNGAN PENGGUNAAN JENIS ALAT KONTRASEPSI PESERTA KB AKTIF PADA KABUPATEN SIDOARJO TAHUN 009 Furqan Qadarisman, dan Dwiatmono Agus W. Jurusan Statistia Institut Tenologi Sepuluh Nopember (ITS) Surabaya

Lebih terperinci

HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG

HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Volume, Nomor, Juli 6 (ISSN: 56-6) HUBUNGAN PENERAPAN KAWASAN TANPA ROKOK (KTR) DENGAN PERILAKU MEROKOK MAHASISWA KESEHATAN MASYARAKAT DI KOTA SEMARANG Firnanda Zia Azmi *) Tinu Istiarti **) Kusyogo Cahyo

Lebih terperinci

KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK

KORELASI ANTARA DUA KELOMPOK VARIABEL KUANTITATIF DALAM ANALISIS KANONIK Jurnal Pengaaran MIPA, Vol. 0 No. Desember 007 ISSN: -097 KORELASI ANARA DUA KELOMPOK VARIABEL KUANIAIF DALAM ANALISIS KANONIK Oleh : Dewi Rachmatin, S.Si., M.Si. Jurusan Pendidian Matematia FPMIPA Universitas

Lebih terperinci

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB 3 LANGKAH PEMECAHAN MASALAH BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti

Lebih terperinci

BAB IV APLIKASI PADA MATRIKS STOKASTIK

BAB IV APLIKASI PADA MATRIKS STOKASTIK BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii

Lebih terperinci

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID

APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas

Lebih terperinci

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan

Lebih terperinci

MATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor

MATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor MATA KULIAH MATEMATIKA TEKNIK [KODE/SKS : KD4 / SKS] Ruang Vetor FIELD: Ruang vetor V atas field salar K adalah himpunan ta osong dengan operasi penjumlahan vetor dan peralian salar. Himpunan ta osong

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 ObjePenelitian Obje penelitian merupaan hal yang tida dapat dipisahan dari suatu penelitian. Obje penelitian merupaan sumber diperolehnya data dari penelitian yang dilauan.

Lebih terperinci

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode 3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode

Lebih terperinci

UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure

UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure 8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher

Lebih terperinci

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE

MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK

Lebih terperinci

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,

Lebih terperinci

ANALISIS DISKRIMINAN

ANALISIS DISKRIMINAN ANALISIS DISKRIMINAN I Prinsip Dasar dan Tujuan Analisis Analisis disriminan adalah salah satu teni statisti yang bisa digunaan pada hubungan dependensi (hubungan antarvariabel dimana sudah bisa dibedaan

Lebih terperinci

APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK

APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK APLIKASI METODE FUZZY MULTI CRITERIA DECISION MAKING (FMCDM) UNTUK OPTIMALISASI PENENTUAN LOKASI PROMOSI PRODUK Novhirtamely Kahar, ST. 1, Nova Fitri, S.Kom. 2 1&2 Program Studi Teni Informatia, STMIK

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp

Lebih terperinci

VI. PEMILIHAN MODA (Modal Split/Choice)

VI. PEMILIHAN MODA (Modal Split/Choice) VI. PEMILIHAN MODA (Modal Split/Choice) 6.. UMUM Tujuan: Mengetahui proporsi pengaloasian perjalanan e berbagai moda transportasi. Ada dua emunginan situasi yang dihadapi dalam meramal pemilihan moda:

Lebih terperinci

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain 8 BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Definisi Graf Graf adalah umpulan simpul (nodes) yang dihubungan satu sama lain melalui sisi/busur (edges) (Zaaria, 2006). Suatu Graf G terdiri dari dua himpunan

Lebih terperinci

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming JURAL TEKIK POMITS Vol. 2, o. 2, (2013) ISS: 2337-3539 (2301-9271 Print) B-137 Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming Yunan Helmy Amrulloh, Rony Seto Wibowo, dan Sjamsjul

Lebih terperinci

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA Iing Mutahiroh, Fajar Saptono, Nur Hasanah, Romi Wiryadinata Laboratorium Pemrograman dan Informatia

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Penelitian yang aan dilauan meruju epada beberapa penelitian terdahulu yang sudah pernah dilauan sebelumnya, diantaranya: 1. I Gst. Bgs. Wisuana (2009)

Lebih terperinci

KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak

KORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi

Lebih terperinci

KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST

KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST KAJIAN METODE BERBASIS MODEL PADA ANALISIS KELOMPOK DENGAN PERANGKAT LUNAK MCLUST Timbul Pardede (timbul@mail.ut.ac.id) Jurusan Statisti FMIPA, Universitas Terbua ABSTRAK Metode Ward dan metode K-rataan

Lebih terperinci

MANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI (STUDI KASUS DI PT THAMRIN BROTHERS)

MANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI (STUDI KASUS DI PT THAMRIN BROTHERS) Seminar Nasional Apliasi Tenologi Informasi 2011 (SNATI 2011) ISSN: 1907-5022 Yogyaarta, 17-18 Juni 2011 MANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI

Lebih terperinci

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam

Lebih terperinci

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract

Lebih terperinci

Makalah Seminar Tugas Akhir

Makalah Seminar Tugas Akhir Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,

Lebih terperinci

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu

Lebih terperinci

Optimasi Non-Linier. Metode Numeris

Optimasi Non-Linier. Metode Numeris Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY Tedy Rismawan dan Sri Kusumadewi Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teni

Lebih terperinci

RINGKASAN SKRIPSI MODUL PERKALIAN

RINGKASAN SKRIPSI MODUL PERKALIAN RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN

Lebih terperinci

PENGEMBANGAN BUKU KOMIK FISIKA POKOK BAHASAN NEWTON BERBASIS KONSTRUKTIVISME UNTUK MENINGKATKAN MOTIVASI BELAJAR SISWA

PENGEMBANGAN BUKU KOMIK FISIKA POKOK BAHASAN NEWTON BERBASIS KONSTRUKTIVISME UNTUK MENINGKATKAN MOTIVASI BELAJAR SISWA PENGEMBANGAN BUKU KOMIK FISIKA POKOK BAHASAN NEWTON BERBASIS KONSTRUKTIVISME UNTUK MENINGKATKAN MOTIVASI BELAJAR SISWA Farida Huriawati 1), Purwandari 1,2), Intan Permatasari 1,3) 1,2,3 Program Studi Pendidian

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen

Lebih terperinci

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program

Lebih terperinci

ANALISA KEPUASAN PELAKU TRANSPORTASI TERHADAP KINERJA MOBIL PENUMPANG UMUM JURUSAN BOJONEGORO-BABAT

ANALISA KEPUASAN PELAKU TRANSPORTASI TERHADAP KINERJA MOBIL PENUMPANG UMUM JURUSAN BOJONEGORO-BABAT ANALISA KEPUASAN PELAKU TRANSPORTASI TERHADAP KINERJA MOBIL PENUMPANG UMUM JURUSAN BOJONEGORO-BABAT Nama Mahasiswa : Abdul Chaim NRP : 310 100 114 Jurusan : Teni Sipil FTSP-ITS Dosen Pembimbing : Cahya

Lebih terperinci

Variasi Spline Kubik untuk Animasi Model Wajah 3D

Variasi Spline Kubik untuk Animasi Model Wajah 3D Variasi Spline Kubi untu Animasi Model Wajah 3D Rachmansyah Budi Setiawan (13507014 1 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung, Jl. Ganesha 10 Bandung 40132,

Lebih terperinci

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( ) PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132

Lebih terperinci

4. 1 Spesifikasi Keadaan dari Sebuah Sistem

4. 1 Spesifikasi Keadaan dari Sebuah Sistem Dalam pembahasan terdahulu ita telah mempelajari penerapan onsep dasar probabilitas untu menggambaran sistem dengan jumlah partiel ang cuup besar (N). Pada bab ini, ita aan menggabungan antara statisti

Lebih terperinci

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil

Lebih terperinci

BAB 3 PRINSIP SANGKAR BURUNG MERPATI

BAB 3 PRINSIP SANGKAR BURUNG MERPATI BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana

Lebih terperinci

HUBUNGAN SIKAP DENGAN PRAKTIK PERAWATAN BAYI SEHARI-HARI PADA IBU PRIMIPARA DI WILAYAH KERJA PUSKESMAS NGAMPEL PABUPATEN KENDAL ABSTRAK

HUBUNGAN SIKAP DENGAN PRAKTIK PERAWATAN BAYI SEHARI-HARI PADA IBU PRIMIPARA DI WILAYAH KERJA PUSKESMAS NGAMPEL PABUPATEN KENDAL ABSTRAK HUBUNGAN SIKAP DENGAN PRAKTIK PERAWATAN BAYI SEHARI-HARI PADA IBU PRIMIPARA DI WILAYAH KERJA PUSKESMAS NGAMPEL PABUPATEN KENDAL Afifah *), Indri Subeti **) *) Mahasiswa Abid Unisa **)Dosen Abid Unisa ABSTRAK

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.

Lebih terperinci

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman. JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses

Lebih terperinci

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT. BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1 Keranga Pemiiran Pemerintah ahir-ahir ini sering dihadapan pada masalah persediaan pupu bersubsidi yang daya serapnya rendah dan asus elangaan di berbagai loasi di Indonesia.

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN TINJAUAN PUSTAKA 1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3

Lebih terperinci

STUDI KOMPARASI IMPLEMENTASI JARINGAN BASIS RADIAL DAN FUZZY INFERENCE SYSTEM TSK UNTUK PENYELESAIAN CURVE FITTING

STUDI KOMPARASI IMPLEMENTASI JARINGAN BASIS RADIAL DAN FUZZY INFERENCE SYSTEM TSK UNTUK PENYELESAIAN CURVE FITTING STUDI KOPARASI IPEENTASI JARINGAN BASIS RADIA DAN FUZZY INFERENCE SYSTE TSK UNTUK PENYEESAIAN CURVE FITTING Sri Kusumadewi Teni Informatia Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyaarta cicie@fti.uii.ac.id

Lebih terperinci

SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA

SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA SISTEM ANTRIAN PELAYANAN BONGKAR MUAT KAPAL DI TERMINAL BERLIAN PELABUHAN TANJUNG PERAK SURABAYA Ruhana Khabibah, Hery Tri Sutanto 2, Yuliani Puji Astuti 3 Jurusan Matematia, Faultas Matematia dan Ilmu

Lebih terperinci

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PERBANDINGAN TINGKAT PELANGGARAN PERLINDUNGAN KEKERASAN PADA ANAK

SISTEM PENDUKUNG KEPUTUSAN PERBANDINGAN TINGKAT PELANGGARAN PERLINDUNGAN KEKERASAN PADA ANAK SISTEM PENDUKUNG KEPUTUSAN PERBANDINGAN TINGKAT PELANGGARAN PERLINDUNGAN KEKERASAN PADA ANAK Airani Elizabeth Mani Program Studi Teni Informatia Jurusan Teni Eletro Faultas Teni Universitas Tanjungpura

Lebih terperinci

TUGAS I RANCANGAN PERCOBAAN BAB I

TUGAS I RANCANGAN PERCOBAAN BAB I TUGAS I RANCANGAN PERCOBAAN Nama : Dwi Shinta Marselina A. Pengertian Desain Esperimen BAB I Desain Esperimen Merupaan langah-langah lengap yang perlu di ambil jauh sebelum esperimen dilauan supaya data

Lebih terperinci

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: 339-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 5, Halaman 87-93 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PENERAPAN FORMULA BENEISH M-SCORE DAN ANALISIS DISKRIMINAN LINIER UNTUK

Lebih terperinci

DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO

DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO DESKRIPSI SISTEM ANTRIAN PADA BANK SULUT MANADO 1 Selvia Hana, Tohap Manurung 1 Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Jurusan Matematia, FMIPA, Universitas Sam Ratulangi Abstra Antrian merupaan

Lebih terperinci

PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK

PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK Nurul Khotimah *), Farida Hanum, Toni Bahtiar Departemen Matematia FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor

Lebih terperinci

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR) SEMINAR NASIONAL PASCASARJANA SAL ESIMASI RAJECORY MOBILE ROBO MENGGUNAKAN MEODE ENSEMBLE KALMAN FILER SQUARE ROO (ENKF-SR) eguh Herlambang Zainatul Mufarrioh Firman Yudianto Program Studi Sistem Informasi

Lebih terperinci

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas

Lebih terperinci

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL SEMINAR NASIONAL PENDIDIKAN SAINS Peningatan Kualitas Pembelajaran Sains dan Kompetensi Guru melalui Penelitian & Pengembangan dalam Menghadapi Tantangan Abad-1 Suraarta, Otober 016 VARIASI NILAI BATAS

Lebih terperinci

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

Analisis Varians = Analysis of Variance = ANOVA

Analisis Varians = Analysis of Variance = ANOVA Analisis Varians Analysis of Variance ANOVA. Pendahuluan. Distribusi F χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A. Fisher.

Lebih terperinci

BAB IV Solusi Numerik

BAB IV Solusi Numerik BAB IV Solusi Numeri 4. Algoritma Genetia Algoritma Genetia (AG) [2] merupaan teni pencarian stoasti yang berdasaran pada meanisme selesi alam dan prinsip penurunan genetia. Algoritma genetia ditemuan

Lebih terperinci

ANALISIS PENGARUH COGNITIVE LOAD BAGI KECEPATAN MAHASISWA MENGENALI POLA STIMULI VISUAL

ANALISIS PENGARUH COGNITIVE LOAD BAGI KECEPATAN MAHASISWA MENGENALI POLA STIMULI VISUAL ANALISIS PENGARUH COGNITIVE LOAD BAGI KECEPATAN MAHASISWA MENGENALI POLA STIMULI VISUAL Nathanael G. Sumatoyo ABSTRACT Cognitive load has long been hypothesized to have deteriorating effects toward individuals

Lebih terperinci

PEMODELAN FAKTOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA TIMUR MENGGUNAKAN REGRESI POISSON BIVARIAT

PEMODELAN FAKTOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA TIMUR MENGGUNAKAN REGRESI POISSON BIVARIAT PEMODELAN FAKOR YANG MEMPENGARUHI JUMLAH HIV DAN AIDS PROVINSI JAWA IMUR MENGGUNAKAN REGRESI POISSON BIVARIA Novi ri Ratnasari, Purhadi Jurusan Statistia, Faultas MIPA, Institut enologi Sepuluh Nopember

Lebih terperinci

Sifat-sifat Nilai Eigen dan Vektor Eigen Matriks atas Aljabar Maxplus

Sifat-sifat Nilai Eigen dan Vektor Eigen Matriks atas Aljabar Maxplus J. Sains Dasar () Sifat-sifat Nilai Eigen dan Vetor Eigen Matris atas ljabar Maxplus (The Properties of Eigen Value and Eigen Vector of Matrices Over Maxplus lgebra) Musthofa * dan Nienasih inatari * Jurusan

Lebih terperinci

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA

Lebih terperinci

IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD

IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia

Lebih terperinci

Model Geographically Weighted Negative Binomial Regression (GWNBR) untuk Data Kejahatan

Model Geographically Weighted Negative Binomial Regression (GWNBR) untuk Data Kejahatan Model Geographically Weighted Negative Binomial Regression (GWNBR) untu Data Kejahatan (Studi Kasus 38 Kabupaten/Kota di Jawa Timur) Herlin Venny Johannes 1,a), Septiadi Padmadisastra,b), Bertho Tantular

Lebih terperinci

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER Oleh: Supardi SEKOLAH PASCA SARJANA JURUSAN ILMU FISIKA UNIVERSITAS NEGERI YOGYAKARTA 2012 1 PENDAHULUAN Liquid Crystal elastomer (LCE

Lebih terperinci

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama

tidak mempunyai fixed mode terdesentralisasi, dapat dilakukan dengan memberikan kompensator terdesentralisasi. Fixed mode terdesentralisasi pertama BB IV PENGENDLIN TERDESENTRLISSI Untu menstabilan sistem yang tida stabil, dengan syarat sistem tersebut tida mempunyai fixed mode terdesentralisasi, dapat dilauan dengan memberian ompensator terdesentralisasi.

Lebih terperinci

BAB ELASTISITAS. Pertambahan panjang pegas

BAB ELASTISITAS. Pertambahan panjang pegas BAB ELASTISITAS 4. Elastisitas Zat Padat Dibandingan dengan zat cair, zat padat lebih eras dan lebih berat. sifat zat padat yang seperti ini telah anda pelajari di elas SLTP. enapa Zat pada lebih eras?

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Data yang telah berhasil diumpulan oleh penulis di BB BIOGEN diperoleh hasil bobot biji edelai dengan jumlah varietas yang aan diuji terdiri dari 15

Lebih terperinci

PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM

PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Seminar Nasional Sistem dan Informatia 2007; Bali, 16 November 2007 PERBANDINGAN PERFORMANSI ALGORITMA GENETIKA DAN ALGORITMA SEMUT UNTUK PENYELESAIAN SHORTEST PATH PROBLEM Fajar Saptono 1) I ing Mutahiroh

Lebih terperinci

BAB III METODE PENELITIAN (BAHAN DAN METODE)

BAB III METODE PENELITIAN (BAHAN DAN METODE) BAB III METODE PENELITIAN (BAHAN DAN METODE) Tahapan-tahapan pengerjaan yang dilauan dalam penelitian ini adalah sebagai beriut : 1. Tahap Persiapan Penelitian Pada tahapan ini aan dilauan studi literatur

Lebih terperinci

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro

Lebih terperinci

BAB 2 TEORI PENUNJANG

BAB 2 TEORI PENUNJANG BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan

Lebih terperinci

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group Uji Alternatif Data Terurut Perbandingan antara Uji Joncheere Terpstra dan Modifiasinya Ridha Ferdhiana Statistics Peer Group Jurusan Matematia FMIPA Universitas Syiah Kuala Banda Aceh, Aceh, 23 email:

Lebih terperinci

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan

Lebih terperinci