METODOLOGI QUICK COUNT PILPRES

Ukuran: px
Mulai penontonan dengan halaman:

Download "METODOLOGI QUICK COUNT PILPRES"

Transkripsi

1 SAIFULMUJANI RESEARCH AND CONSULTING (SMRC) LEMBAGA SURVEI INDONESIA (LSI) METODOLOGI QUICK COUNT PILPRES METODOLOGI Populasi Quick Cout adala seluru suara sa dari pemili di seluru TPS (tempat pemuguta suara) dalam pemilia Preside-Wakil Preside (pilpres) pada 9 Juli Sampel dipili dega metode stratified-cluster radom samplig dari populasi tersebut. Prosedur pemilia sampel sebagai berikut. Pertama-tama, populasi pemili yag tersebar di TPS secara asioal dikelompokka (stratifikasi) meurut provisi. Selajutya di masig-masig provisi dipili TPS (sebagai cluster) secara radom dega jumla proporsioal, da seluru suara pemili di TPS terpili mejadi sample Quick Cout. Stratifikasi dilakuka utuk meigkatka represetasi sampel seigga meguragi error dalam simple radom samplig. Cluster diguaka utuk efisiesi karea kalau sampel ditarik dari populasi idividu pemili maka sampel aka sagat meyebar, da juga masig-masig idividu tersebut tidak puya bukti tercatat pilia mereka dalam pilpres. Dari 4000 TPS awal sebagai cluster atau primary samplig uit, yag direcaaka secara asioal, data yag masuk ke pusat data sebayak 3990 TPS (99,75%). Sebayak 0,25% TPS tidak masuk dataya karea alasa tekis di lapaga. Dari 3990 TPS, diperole sampel suara sa. Formula Estimasi Perolea Suara da Margi of Error Perolea suara calo da margi of error diitug dega formula yag sesuai dega metode stratified-cluster samplig sebagai berikut (Cocra 1977, Sceaffer at al. 1996): Estimasi perolea suara calo: pˆ 33 1 i1 N y i 33 1 i1 N x i (1a) Margi of error pada tigkat kepercayaa 95%: 1 1 Bilaga 2 dalam formula (1b) diguaka sebagai peggati z =1.96, karea estimator proporsi suara calo tidak secara persis berdistribusi ormal (Sceaffer at al. 1996). 1

2 moe 2 SE 2 di maa : N y x i i Xˆ 1 Xˆ = total tpsdi provisi ( N = bayakyatpssampel di provisi = jumla suara calo di tpsi provisi = jumla suara sa di tpsi provisi 33 1 i1 N x i N ) Var( y px ˆ estimasi totalsuara sa dalam pilpres i i ) (1b) Nocoverage Luar Negeri Pemilia preside-wakil preside diadaka di dalam egeri da di luar egeri. Namu Quick Cout aya dilakuka di dalam egeri. Nocoverage luar egeri tersebut bisa meamba error Quick Cout. Besara bias akibat ocoverage luar egeri dalam Quick Cout pilpres belum bisa diketaui, karea sampai saat tulisa ii dibuat Komisi Pemilia Umum (KPU) belum selesai melakuka rekapitulasi. Namu dari pegalama pemilu legislatif (pileg) April 2014 yag lalu, bias Quick Cout akibat ocoverage luar egeri sagat kecil. Bias pada masig-masig partai tidak lebi 0.03%, rata-rata %. Da bila partai-partai dikelompokka ke dalam dua kelompok sesuai dukuga partaipartai tersebut teradap calo preside-wakil preside, biasya mala lebi kecil lagi, yaki % (Tabel 1). Tabel 1. Bias Akibat Nocoverage Luar Negeri dalam Quick Cout Pileg 2014 Dalam Negeri TOTAL SUARA Luar Negeri Total Dalam Negeri % SUARA Luar Negeri PARTAI NASDEM 8,381,861 20,951 8,402, % 4.97% 6.72% 0.01% PKB 11,271,543 27,414 11,298, % 6.51% 9.04% 0.01% PKS 8,418,461 61,743 8,480, % 14.66% 6.79% 0.03% PDIP 23,569, ,144 23,681, % 26.63% 18.95% 0.03% GOLKAR 18,357,776 74,536 18,432, % 17.70% 14.75% 0.01% GERINDRA 14,727,668 32,703 14,760, % 7.76% 11.81% 0.01% DEMOKRAT 12,685,248 43,665 12,728, % 10.37% 10.19% 0.00% PAN 9,469,342 12,279 9,481, % 2.92% 7.59% 0.02% PPP 8,145,465 12,023 8,157, % 2.85% 6.53% 0.01% HANURA 6,561,886 17,612 6,579, % 4.18% 5.26% 0.00% PBB 1,822,163 3,587 1,825, % 0.85% 1.46% 0.00% PKPI 1,140,558 2,536 1,143, % 0.60% 0.91% 0.00% Total 124,551, , ,972, % % % RATA-RATA BIAS % PRO NO 1 73,626, ,536 73,866, % 57.11% 59.11% % PRO NO 2 50,925, ,657 51,105, % 42.89% 40.89% % Total BIAS ABSOLUT QUICK COUNT PILEG 2014 = (Dalam Negeri - Total) 2

3 Kecilya bias coverage pada quick cout pileg disebabka ole ukura populasi yag memili secara sa di luar egeri sagat kecil (aya 0.34% dari populasi total). Di sampig itu komposisi suara partai di luar egeri juga mirip dega komposisi suara partai di dalam egeri. Rasio atara bias dega stadard error (SE) Quick Cout SMRC dalam pileg sekitar 5%. Berdasarka pegalama dalam pileg tersebut, formula moe Quick Cout pilpres disesuaika dega memasukka kompoe bias (Kis 1965): moe adj 2 SE 2 Bias 2 2 SE 2 (5% SE) 2 2 SE moe (1c) Hasil Quick Cout Pilpres 2014 Validasi Sampel Secara umum, sampel Quick Cout pilpres SMRC sagat dekat karakteristikya dega populasi dari KPU diliat dari sebara meurut wilaya (Tabel 2). Rata-rata simpaga absolut atara sampel da populasi Daftar Pemili Tetap (DPT) aya 0.06%. Dega kemiripa atara sampel da populasi ii, asil Quick Cout diyakii bisa mejadi ladasa yag kuat utuk meyimpulka asil pemilu secara keselurua. Tabel 2. Distribusi Sampel Quick Cout SMRC da Populasi dari KPU dalam Pilpres TPS QC TOTAL TPS (KPU) SAMPEL DPT QC TOTAL DPT (KPU) PROVINSI TOTAL % TOTAL % TOTAL % TOTAL % NANGGROE ACEH DARUSSALAM , , ,330, SUMATERA UTARA , , ,900, SUMATERA BARAT , , ,611, RIAU , , ,208, JAMBI , , ,480, SUMATERA SELATAN , , ,865, BENGKULU , , ,379, LAMPUNG , , ,976, KEP BANGKA BELITUNG , , , KEPULAUAN RIAU , , ,323, DKI JAKARTA , , ,096, JAWA BARAT , , ,045, JAWA TENGAH , , ,385, DI YOGYAKARTA , , ,752, JAWA TIMUR , , ,639, BANTEN , , ,985, BALI , , ,942, NUSA TENGGARA BARAT , , ,522, NUSA TENGGARA TIMUR , , ,185, KALIMANTAN BARAT , , ,506, KALIMANTAN TENGAH , , ,819, KALIMANTAN SELATAN , , ,820, KALIMANTAN TIMUR , , ,925, SULAWESI UTARA , , ,887, SULAWESI TENGAH , , ,935, SULAWESI SELATAN , , ,323, SULAWESI TENGGARA , , ,798, GORONTALO , , , SULAWESI BARAT , , , MALUKU , , ,216, MALUKU UTARA , , , PAPUA BARAT , , , PAPUA , , ,222, TOTAL , ,572, ,246,

4 Perolea Suara Calo Dari total sampel sebayak suara sa yag diperole dari 3990 TPS, pasaga Jokowi-JK memperole suara 52.98% da pasaga Prabowo-Hatta memperole suara 47.02%. (Tabel 3) Selisi suara kedua pasaga sekitar 5.96%, semetara margi of error Quick Cout yag diitug dega formula (1c) iala 0.62% pada tigkat kepercayaa 95%. Karea itu, selisi suara kedua pasaga sigifika secara statistik. Da dega demikia, pasaga Jokowi-JK diprediksi memeagka pemilia preside-wakil preside. Tabel 3. Hasil Quick Cout Pilpres SMRC JUMLAH TOTAL SAMPEL SUARA % SUARA PROVINSI TPS NO 1 NO 2 SUARA SAH NO 1 NO 2 MOE (+/-) (%) NANGGROE ACEH DARUSSALAM 79 8,339 7,546 15, SUMATERA UTARA ,733 29,402 53, SUMATERA BARAT 92 14,184 4,914 19, RIAU ,288 10,396 22, JAMBI 63 7,174 7,066 14, SUMATERA SELATAN ,347 16,465 34, BENGKULU 35 4,191 4,222 8, LAMPUNG ,185 19,624 36, KEP BANGKA BELITUNG 23 1,631 3,660 5, KEPULAUAN RIAU 26 2,633 4,703 7, DKI JAKARTA ,062 24,342 44, JAWA BARAT ,223 80, , JAWA TENGAH , , , DI YOGYAKARTA 70 7,699 10,267 17, JAWA TIMUR ,248 97, , BANTEN ,091 20,872 47, BALI 50 4,566 12,642 17, NUSA TENGGARA BARAT 71 14,945 5,673 20, NUSA TENGGARA TIMUR 80 6,420 12,571 18, KALIMANTAN BARAT 98 9,174 12,923 22, KALIMANTAN TENGAH 49 4,506 5,926 10, KALIMANTAN SELATAN 73 7,944 7,745 15, KALIMANTAN TIMUR 71 5,641 9,537 15, SULAWESI UTARA 35 5,113 6,228 11, SULAWESI TENGAH 49 5,337 6,542 11, SULAWESI SELATAN ,726 25,387 36, SULAWESI TENGGARA 41 4,409 5,558 9, GORONTALO 16 2,664 2,141 4, SULAWESI BARAT 23 1,317 3,870 5, MALUKU 27 3,685 4,363 8, MALUKU UTARA 18 3,097 1,996 5, PAPUA BARAT 21 1,293 3,124 4, PAPUA 66 6,601 14,308 20, TOTAL , ,836 1,110, Pegalama pada Quick Cout Pileg Pada pileg yag lalu, SMRC melakuka quick cout dega metode stratifiedcluster radom samplig dega memili 2000 TPS secara asioal utuk memprediksi perolea suara partai-partai. Hasil Quick Cout tersebut sagat akurat. Rata-rata selisi absolut (Mea Absolut Deviatio--MAD) atara asil quick cout SMRC da rekapitulasi KPU sagat kecil, yaki 0.11% (Tabel 3b). Hasil Quick Cout pileg yag tidak berbeda jau asil KPU tersebut meujukka bawa sampel suara pemili dari 2000 TPS secara asioal suda sagat baik utuk memprediksi asil pemilu. 4

5 Tabel 3b. Hasil Quick Cout SMRC dalam Pileg 2014 Partai KPU SMRC SELISIH ABSOLUT Nasdem PKB PKS PDIP Golkar Geridra Demokrat PAN PPP Haura PBB PKPI RATA-RATA SELISIH ABSOLUT 0.11 Jumla sampel da cluster (TPS) Quick Cout dalam pilpres 2 kali lebi bayak dibadig jumla pada Quick Cout pileg. Dega jumla berlipat itu, diarapka asil quick cout pilpres bisa lebi akurat lagi. MASALAH GRAFIK STABILITAS SUARA Selai megasilka data persetase perolea suara calo, Quick Cout SMRC juga dilegkapi dega istrume aalisis berupa grafik stabilitas suara. Grafik stabilitas suara pada dasarya adala catata istoris perolea suara kumulatif calo di dalam dereta periode data masuk. Dega grafik stabilitas, perkembaga suara calo dapat diketaui. Di sampig itu, grafik stabilitas juga bergua utuk medeteksi apaka suara calo igga periode ke-t suda stabil atau masi aka megalami perubaa. Pada saat quick cout berlagsug, grafik stabilitas teryata tidak berjala dega bear. Perkembaga suara calo dalam grafik stabilitas megalami perubaa pola dari periode ke periode, seigga membigugka da meimbulka pertayaa dari berbagai piak. Apa sumber masalaya? Sumber masalaya terletak pada kesalaa algoritma da pemrograma di sisi IT. Da masala tersebut baru selesai diatasi setela proses Quick Cout berakir. Berikut ii pejelasa atas masala pada grafik stabilitas dalam Quick Cout SMRC-LSI. 5

6 Formula Stabilitas Suara Dega otasi: N = Total tps di provisi t = bayakya tps sampel dari provisi yag masuk igga periode ke t y ti = jumla suara calo di tps i provisi dari data yag masuk igga periode ke t x ti = jumla suara sa di tps i provisi dari data yag masuk igga periode ke t t = 1,..., T ; di maa T adala periode terakir (ketika data terbaru masuk) = 1,..., 33 i = 1,..., t Estimasi suara calo igga periode ke t dalam proses Quick Cout: pˆ t 33 t 1 i1 N t y ti 33 t 1 i1 N t x ti (2) Data dalam grafik stabilitas suara disusu dari dereta pˆ, pˆ,..., pˆ. Dalam praktik pada ari-h, terdapat kesalaa algoritma da pemrograma dalam megitug data stabilitas suara. Secara matematis, kesalaa algoritma tersebut meyebabka formula estimasi suara calo igga periode ke t mejadi: 1 2 T pˆ t 33 t 1 i1 N T y ti 33 t 1 i1 N T x ti (3) Iila yag meyebabka megapa grafik perkembaga suara calo berubauba pola dari periode ke periode. Efek Kesalaa Algoritma Pada Grafik Stabilitas Suara Berikut ii disajika coto proses megitug data stabilitas suara dari beberapa data pertama yag masuk. PERIODE DATA MASUK (t) Tabel 4. Data Awal Quick Cout KODE TPS PBR011 PBR009 KBR072 NTT032 SLB014 SLB011 MLU011 SLS024 PBR016 PRABOWO-HATTA JOKOWI-JK Keteraga data (Tabel 4): Data pertama berasal dari TPS berkode PBR011 dega perolea suara Prabowo-Hatta 0, Jokowi-JK 96. Data ke-2 berasal dari TPS berkode PBR009 dega perolea suara Prabowo-Hatta 3, Jokowi-JK 77. 6

7 Data ke-3 berasal dari TPS berkode KBR072, dega perolea suara Prabowo-Hatta 5, Jokowi-JK 141. Data ke-4 berasal dari TPS berkode NTT032, dega perolea suara Prabowo-Hatta 10, Jokowi-JK 167. Data ke-5 berasal dari TPS berkode SLB014 dega perolea suara Prabowo-Hatta 40, Jokowi-JK 166. Data ke-6 berasal dari TPS berkode SLB011 dega perolea suara Prabowo-Hatta 46, Jokowi-JK 137. Data ke-7 berasal dari TPS berkode MLU011 dega perolea suara Prabowo-Hatta 334, Jokowi-JK 67. Data ke-8 berasal dari TPS berkode SLS024 dega perolea suara Prabowo- Hatta 77, Jokowi-JK 111. Data ke-9 berasal dari TPS berkode PBR016 dega perolea suara Prabowo-Hatta 7, Jokowi-JK 185 Hasil pegituga data stabilitas suara utuk sejumla data awal Quick Cout (semuaya dari Idoesia bagia Tega da Timur; asil pegituga di Idoesia Timur 2 jam lebi cepat dari di WIB) tersebut disajika dalam Tabel 5 da Tabel 6. Tabel 5 meyajika data stabilitas yag sala, da Tabel 6 meyajika data stabilitas suara yag bear atau searusya. Pegituga dilakuka dega peragkat luak R (Package Survey). Tabel 5. Data Stabilitas Suara yag Sala: Diitug dega Formula (3) [megguaka algoritma yag sala] PERIODE (t) KODETPS PBR011 PBR009 KBR072 NTT032 SLB014 SLB011 MLU011 SLS024 PBR016 PRABOWO-HATTA JOKOWI-JK Perolea suara kumulatif p1 = p1 T 0.00% 1.70% 3.22% 4.36% 6.40% 6.64% 19.62% 27.84% 27.59% p2 = p2 T % 98.30% 96.78% 95.64% 93.60% 93.36% 80.38% 72.16% 72.41% Data Stabilitas Suara masuk = 1 (T=1) masuk = 2 (T=2) masuk = 3 (T=3) masuk = 4 (T=4) masuk = 5 (T=5) masuk = 6 (T=6) masuk = 7 (T=7) masuk = 8 (T=8) masuk = 9 (T=9) p1 t 0.00% p2 t % p1 t 0.00% 1.70% p2 t % 98.30% p1 t 0.00% 1.70% 3.22% p2 t % 98.30% 96.78% p1 t 0.00% 1.70% 3.22% 4.36% p2 t % 98.30% 96.78% 95.64% p1 t 0.00% 1.70% 3.22% 4.36% 6.40% p2 t % 98.30% 96.78% 95.64% 93.60% PERUBAHAN PERTAMA (SUMBER: MASUKNYA DATA KEDUA DARI SULAWESI BARAT) p1 t 0.00% 1.70% 3.22% 4.36% 5.45% 6.64% p2 t % 98.30% 96.78% 95.64% 94.55% 93.36% Algoritma yag sala meyebabka data stabilitas suara tidak kosiste dega perolea suara kumulatif. p1 t 0.00% 1.70% 3.22% 4.36% 5.45% 6.64% 19.62% p2 t % 98.30% 96.78% 95.64% 94.55% 93.36% 80.38% p1 t 0.00% 1.70% 3.22% 4.36% 5.45% 6.64% 19.62% 27.84% p2 t % 98.30% 96.78% 95.64% 94.55% 93.36% 80.38% 72.16% TERJADI PERUBAHAN KEDUA (SUMBER: MASUKNYA DATA KETIGA DARI PAPUA BARAT) p1 t 0.00% 1.70% 3.28% 4.41% 5.52% 6.74% 19.90% 28.09% 27.59% p2 t % 98.30% 96.72% 95.59% 94.48% 93.26% 80.10% 71.91% 72.41% DAN SETERUSNYA Ket: p1 = perolea suara kumulatif calo omor urut 1, p2= perolea suara kumulatif calo omor urut 2 7

8 Tabel 6. Data Stabilitas Suara Searusya: Diitug dega Formula (2) [megguaka algoritma yag bear] PERIODE (t) KODETPS PBR011 PBR009 KBR072 NTT032 SLB014 SLB011 MLU011 SLS024 PBR016 PRABOWO-HATTA JOKOWI-JK Perolea suara kumulatif p1 = p1 T 0.00% 1.70% 3.22% 4.36% 6.40% 6.64% 19.62% 27.84% 27.59% p2 = p2 T % 98.30% 96.78% 95.64% 93.60% 93.36% 80.38% 72.16% 72.41% Data Stabilitas Suara masuk = 1 (T=1) masuk = 2 (T=2) masuk = 3 (T=3) masuk = 4 (T=4) masuk = 5 (T=5) masuk = 6 (T=6) masuk = 7 (T=7) masuk = 8 (T=8) masuk = 9 (T=9) p1 t 0.00% p2 t % p1 t 0.00% 1.70% p2 t % 98.30% p1 t 0.00% 1.70% 3.22% p2 t % 98.30% 96.78% p1 t 0.00% 1.70% 3.22% 4.36% p2 t % 98.30% 96.78% 95.64% p1 t 0.00% 1.70% 3.22% 4.36% 6.40% p2 t % 98.30% 96.78% 95.64% 93.60% p1 t 0.00% 1.70% 3.22% 4.36% 6.40% 6.64% p2 t % 98.30% 96.78% 95.64% 93.60% 93.36% Dega algoritma yag bear, data stabilitas suara kosiste dega perolea suara kumulatif p1 t 0.00% 1.70% 3.22% 4.36% 6.40% 6.64% 19.62% p2 t % 98.30% 96.78% 95.64% 93.60% 93.36% 80.38% p1 t 0.00% 1.70% 3.22% 4.36% 6.40% 6.64% 19.62% 27.84% p2 t % 98.30% 96.78% 95.64% 93.60% 93.36% 80.38% 72.16% p1 t 0.00% 1.70% 3.22% 4.36% 6.40% 6.64% 19.62% 27.84% 27.59% p2 t % 98.30% 96.78% 95.64% 93.60% 93.36% 80.38% 72.16% 72.41% DAN SETERUSNYA Ket: p1 = perolea suara kumulatif calo omor urut 1, p2= perolea suara kumulatif calo omor urut 2 Tabel 5 mejelaska bawa algoritma yag sala meyebabka data stabilitas suara tidak kosiste dega data perolea suara kumulatif, seigga grafik terus beruba pola dari periode ke periode. Pada periode-periode awal, data stabilitas suara mulai megalami perubaa pola ketika data masuk 6 TPS. Da kemudia beruba ke pola yag lai ketika data masuk 9 TPS. Begitu seterusya setiap ada data yag masuk. Perubaa-perubaa pola dalam grafik stabilitas terjadi secara beragsuragsur, seigga adaya masala dalam grafik stabilitas tidak terliat ketika data yag masuk masi sedikit. Masala baru terliat dega jelas ketika data yag masuk suda bayak, di maa grafik stabilitas meyajika gambar yag sama sekali berbeda dega grafik stabilitas sebelumya. Bila megguaka algoritma yag bear, grafik stabilitas suara searusya kosiste dega perolea suara kumulatif. Bila megguaka formula (2), masukya data pada periode t tidak aka meguba perolea suara kumulatif pada periode t-1, t-2,..., 1. (liat Tabel 6) Gambar 1 - Gambar 14 dapat memperjelas perubaa pada grafik stabilitas akibat kesalaa algoritma pada beberapa periode data masuk. Di sampig itu, disajika pula grafik stabilitas suara yag bear atau searusya di periode yag sama. Dari Gambar 1 - Gambar 14 terliat bawa kesalaa algoritma meyebabka data stabilitas suara tidak meggambarka perkembaga suara calo yag sebearya. Pola perkembaga suara calo beruba-uba dari periode ke periode. Perubaa mecolok terliat ketika total data masuk lebi dari 600 TPS, di maa grafik stabilitas itu tidak meujukka pera uggulya Prabowo-Hatta di periodeperiode awal, juga tidak meujukka adaya crossig ketika Jokowi-JK kembali uggul. 8

9 Masala pada grafik stabilitas suara semata-mata disebabka adaya kesalaa algoritma da pemrograma di sisi IT. Namu demikia, yag palig petig, masala pada grafik stabilitas suara tersebut sama sekali tidak berpegaru teradap asil pegituga total perolea suara calo maupu statistik-statistik yag lai. Gambar 1: Perbadiga Grafik Stabilitas yag Dibuat dega Algorima yag Sala (Formula 3) da dega Algoritma yag Bear (Formula 2) pada Saat Total Data Masuk = 1 TPS T=1 9

10 Gambar 2: Perbadiga Grafik Stabilitas yag Dibuat dega Algorima yag Sala (Formula 3) da dega Algoritma yag Bear (Formula 2) pada Saat Total Data Masuk = 2 TPS T=2 10

11 Gambar 3: Perbadiga Grafik Stabilitas yag Dibuat dega Algorima yag Sala (Formula 3) da dega Algoritma yag Bear (Formula 2) pada Saat Total Data Masuk = 3 TPS T=3 11

12 Gambar 4: Perbadiga Grafik Stabilitas yag Dibuat dega Algorima yag Sala (Formula 3) da dega Algoritma yag Bear (Formula 2) pada Saat Total Data Masuk = 4 TPS T=4 12

13 Gambar 5: Perbadiga Grafik Stabilitas yag Dibuat dega Algorima yag Sala (Formula 3) da dega Algoritma yag Bear (Formula 2) pada Saat Total Data Masuk = 5 TPS T=5 13

14 Gambar 6: Perbadiga Grafik Stabilitas yag Dibuat dega Algorima yag Sala (Formula 3) da dega Algoritma yag Bear (Formula 2) pada Saat Total Data Masuk = 6 TPS T=6 Perubaa pertama. Ketika total data masuk 6 TPS, data stabilitas di uruta ke-5 beruba 14

15 Gambar 7: Perbadiga Grafik Stabilitas yag Dibuat dega Algorima yag Sala (Formula 3) da dega Algoritma yag Bear (Formula 2) pada Saat Total Data Masuk = 7 TPS T=7 15

16 Gambar 8: Perbadiga Grafik Stabilitas yag Dibuat dega Algorima yag Sala (Formula 3) da dega Algoritma yag Bear (Formula 2) pada Saat Total Data Masuk = 8 TPS T=8 16

17 Gambar 9: Perbadiga Grafik Stabilitas yag Dibuat dega Algorima yag Sala (Formula 3) da dega Algoritma yag Bear (Formula 2) pada Saat Total Data Masuk = 9 TPS T=9 Perubaa kedua. Ketika total data masuk 9 TPS, data stabilitas di uruta 3-8 beruba 17

18 Gambar 10: Perbadiga Grafik Stabilitas yag Dibuat dega Algorima yag Sala (Formula 3) da dega Algoritma yag Bear (Formula 2) pada Saat Total Data Masuk = 300 TPS T=300 18

19 Gambar 11: Perbadiga Grafik Stabilitas yag Dibuat dega Algorima yag Sala (Formula 3) da dega Algoritma yag Bear (Formula 2) pada Saat Total Data Masuk = 600 TPS T=600 19

20 Gambar 12: Perbadiga Grafik Stabilitas yag Dibuat dega Algorima yag Sala (Formula 3) da dega Algoritma yag Bear (Formula 2) pada Saat Total Data Masuk = 900 TPS T=900 Perubaa suda terliat mecolok: grafik stabilitas tidak lagi meujukka keuggula Prabowo-Hatta di periode awal 20

21 Gambar 13: Perbadiga Grafik Stabilitas yag Dibuat dega Algorima yag Sala (Formula 3) da dega Algoritma yag Bear (Formula 2) pada Saat Total Data Masuk = 1200 TPS T=

22 Gambar 14: Perbadiga Grafik Stabilitas yag Dibuat dega Algorima yag Sala (Formula 3) da dega Algoritma yag Bear (Formula 2) pada Saat Total Data Masuk = 3990 TPS T=3990 Peutup Pejelasa Masala Stabilitas Suara Tulisa ii secara keselurua mejelaska bawa masala grafik stabilitas dalam Quick Cout SMRC-LSI disebabka ole kesalaa dari sisi algoritma da pemrograma IT, buka karea itervesi maual. Da yag palig petig, masala grafik stabilitas tersebut sama sekali tidak berpegaru teradap proses pegituga total perolea suara calo maupu pegituga statistik-statistik laiya. Hal ii dikareaka grafik stabilitas dibuat melalui proses yag terpisa dari pegituga statistik yag lai. Semoga pejelasa ii bergua bagi semua piak yag peduli dega masala ii. 22

23 MANAGEMENT DAN ORGANISASI PENANGGUNG JAWAB: Djayadi Haa, P.D (Direktur Riset) MANAGER: DENI IRVANI, Msi MAN POWER: Eumerator: 4000 orag Spot cecker: 400 orag Area coordiator: 19 orag Asiste area coordiator: 50 orag Call ceter da validator: 60 orag Statistik: 2 orag IT: 7 orag Teaga laiya: 10 orag Total: 4548 orag REFERENSI Cocra, W.G Samplig Teciques, 3rd ed. New York: Wiley. Kis, L Survey Samplig. New York: Wiley. Lumley, T survey: aalysis of complex survey samples. R package versio Sceaffer, R.L., Medeall, W., ad Ott, L Elemetary Survey Samplig, 5t ed. Belmot, Calif [u.a.]: Duxbury Press. 23

Diselenggarakan: 9 JULI 2014

Diselenggarakan: 9 JULI 2014 Diseleggaraka: 9 JULI 2014 Metodologi Populasi: seluru pemili yag tersebar di 478.833 TPS secara asioal. Sampel suara pemili dipili dega metode Stratified-Cluster Radom Samplig. Prosedur pemilia sampel:

Lebih terperinci

DAFTAR ALAMAT MADRASAH TSANAWIYAH NEGERI TAHUN 2008/2009

DAFTAR ALAMAT MADRASAH TSANAWIYAH NEGERI TAHUN 2008/2009 ACEH ACEH ACEH SUMATERA UTARA SUMATERA UTARA SUMATERA BARAT SUMATERA BARAT SUMATERA BARAT RIAU JAMBI JAMBI SUMATERA SELATAN BENGKULU LAMPUNG KEPULAUAN BANGKA BELITUNG KEPULAUAN RIAU DKI JAKARTA JAWA BARAT

Lebih terperinci

PEMETAAN DAN KAJIAN CEPAT

PEMETAAN DAN KAJIAN CEPAT Tujuan dari pemetaan dan kajian cepat pemetaan dan kajian cepat prosentase keterwakilan perempuan dan peluang keterpilihan calon perempuan dalam Daftar Caleg Tetap (DCT) Pemilu 2014 adalah: untuk memberikan

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Jenis data yang digunakan berupa data sekunder yang menggunakan Tabel

BAB III METODOLOGI PENELITIAN. Jenis data yang digunakan berupa data sekunder yang menggunakan Tabel 49 BAB III METODOLOGI PENELITIAN 3.1 Jeis da Sumber Data Jeis data yag diguaka berupa data sekuder yag megguaka Tabel Iput Output Idoesia Tau 2005 dega klasifikasi 9 sektor. Data tersebut berasal dari

Lebih terperinci

MEDIA SURVEI NASIONAL

MEDIA SURVEI NASIONAL MEDIA SURVEI NASIONAL GRAHA MUSTIKA RATU, SUITE 707 Jl. Gatot Subroto Kav. 74-75, Jakarta 12870 Telp : 021-83709208, 83709209. Fax : 021-83795585. CP : RICO MARBUN (08121379579) www.median.or.id I. METODOLOGI

Lebih terperinci

h h h n 2! 3! n! h h h 2! 3! n!

h h h n 2! 3! n! h h h 2! 3! n! Dieresiasi Numerik Sala satu perituga kalkulus yag serig diguaka adala turua/ dieresial. Coto pegguaa dieresial adala utuk meetuka ilai optimum (maksimum atau miimum) suatu ugsi y x mesyaratka ilai turua

Lebih terperinci

PEROLEHAN KURSI PARTAI DAN PETA KOALISI CAPRES Lingkaran Survei Indonesia Jumat, 11 April 2014

PEROLEHAN KURSI PARTAI DAN PETA KOALISI CAPRES Lingkaran Survei Indonesia Jumat, 11 April 2014 PEROLEHAN KURSI PARTAI DAN PETA KOALISI CAPRES 2014 Lingkaran Survei Indonesia Jumat, 11 April 2014 Kata Pengantar PEROLEHAN KURSI PARTAI DAN PETA KOALISI CAPRES 2014 Pemilu Legislatif 2014 telah selesai

Lebih terperinci

LAPORAN QUICK COUNT PEMILU LEGISLATIF

LAPORAN QUICK COUNT PEMILU LEGISLATIF LAPORAN QUICK COUNT PEMILU LEGISLATIF 9 APRIL 2009 Jl Terusan Lembang, D57, Menteng, Jakarta Pusat Telp. (021) 3919582, Fax (021) 3919528 Website: www.lsi.or.id, Email: [email protected] METODOLOGI Quick

Lebih terperinci

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari. Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah

Lebih terperinci

B A B 7 DIFERENSIASI DAN INTEGRASI NUMERIK

B A B 7 DIFERENSIASI DAN INTEGRASI NUMERIK 8 B A B 7 DIFERENSIASI DAN INTEGRASI NUMERIK A. D I F E R E N S I A S I N U M E R I K Misal diberika set data Diketaui set data (, ), (, ), (, ),., (, ) ag memeui relasi = f() Aka ditetuka d/d dalam iterval,

Lebih terperinci

Populasi Ternak Menurut Provinsi dan Jenis Ternak (Ribu Ekor),

Populasi Ternak Menurut Provinsi dan Jenis Ternak (Ribu Ekor), Babi Aceh 0.20 0.20 0.10 0.10 - - - - 0.30 0.30 0.30 3.30 4.19 4.07 4.14 Sumatera Utara 787.20 807.40 828.00 849.20 871.00 809.70 822.80 758.50 733.90 734.00 660.70 749.40 866.21 978.72 989.12 Sumatera

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA 3. Perumusa Peduga Misalka N adala proses Poisso o omoge pada iterval [, dega fugsi itesitas yag tidak diketaui. Fugsi ii diasumsika teritegralka

Lebih terperinci

RUMAH KHUSUS TARGET ANGGARAN TARGET ANGGARAN TARGET ANGGARAN TARGET ANGGARAN TARGET ANGGARAN TARGET ANGGARAN

RUMAH KHUSUS TARGET ANGGARAN TARGET ANGGARAN TARGET ANGGARAN TARGET ANGGARAN TARGET ANGGARAN TARGET ANGGARAN Pembangunan Perumahan Dan Kawasan Permukiman Tahun 2016 PERUMAHAN PERBATASAN LAIN2 00 NASIONAL 685.00 1,859,311.06 46,053.20 4,077,857.49 4,523.00 359,620.52 5,293.00 714,712.50 62,538.00 1,344,725.22

Lebih terperinci

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain

III. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)

Lebih terperinci

PEMILIH MENGAMBANG DAN PROSPEK PERUBAHAN KEKUATAN PARTAI POLITIK

PEMILIH MENGAMBANG DAN PROSPEK PERUBAHAN KEKUATAN PARTAI POLITIK PEMILIH MENGAMBANG DAN PROSPEK PERUBAHAN KEKUATAN PARTAI POLITIK 15-25 MEI 2011 Jl. Lembang Terusan D-57, Menteng, Jakarta Pusat 10310 Telp. (021) 391 9582, Fax (021) 391 9528 Website: www.lsi.or.id, Email:

Lebih terperinci

PROSIDING ISBN:

PROSIDING ISBN: S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas

Lebih terperinci

Oleh : Bambang Supraptono, M.Si. Referensi : Kalkulus Edisi 9 Jilid 1 (Varberg, Purcell, Rigdom) Hal

Oleh : Bambang Supraptono, M.Si. Referensi : Kalkulus Edisi 9 Jilid 1 (Varberg, Purcell, Rigdom) Hal BAB. Limit Fugsi Ole : Bambag Supraptoo, M.Si. Referesi : Kalkulus Edisi 9 Jilid (Varberg, Purcell, Rigdom) Hal 56 - Defiisi: Pegertia presisi tetag it Megataka bawa f ( ) L berarti bawa utuk tiap yag

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

. Keberhasilan manajemen data dan informasi kependudukan yang memadai, akurat, lengkap, dan selalu termutakhirkan.

. Keberhasilan manajemen data dan informasi kependudukan yang memadai, akurat, lengkap, dan selalu termutakhirkan. S ensus Penduduk, merupakan bagian terpadu dari upaya kita bersama untuk mewujudkan visi besar pembangunan 2010-2014 yakni, Terwujudnya Indonesia yang Sejahtera, Demokratis dan Berkeadilan. Keberhasilan

Lebih terperinci

PERTEMUAN 5-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

PERTEMUAN 5-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK PERTEMUAN 5-MPC 2 PRAKTIK Oleh: Adhi Kuriawa SEKOLAH TINGGI ILMU STATISTIK Uequal Cluster Samplig Misalka satu gugus sampel yag berukura cluster yag ditarik dari N cluster secara simple radom samplig wor.

Lebih terperinci

PENDUGA RATAAN GEOMETRIK PADA SAMPEL HIMPUNAN TERURUT UNTUK DISTRIBUSI NORMAL

PENDUGA RATAAN GEOMETRIK PADA SAMPEL HIMPUNAN TERURUT UNTUK DISTRIBUSI NORMAL JURNAL GANTANG Vol. III No., Maret 208 p-issn. 2503-067, e-issn. 2548-5547 Tersedia Olie di: ttp://ojs.umra.ac.id/idex.pp/gatag/idex PENDUGA RATAAN GEOMETRIK PADA SAMPEL HIMPUNAN TERURUT UNTUK DISTRIBUSI

Lebih terperinci

HASIL EXIT POLL PEMILU LEGISLATIF Rabu, 9 April 2014

HASIL EXIT POLL PEMILU LEGISLATIF Rabu, 9 April 2014 HASIL EXIT POLL PEMILU LEGISLATIF 2014 Rabu, 9 April 2014 Metodologi Exit Poll Exit poll merupakan penelitian perilaku memilih (voting behavior) ketika pemilih berada di TPS. Total sampel 2000 responden,

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : [email protected] / [email protected] Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

Tabel Lampiran 1. Produksi, Luas Panen dan Produktivitas Padi Per Propinsi

Tabel Lampiran 1. Produksi, Luas Panen dan Produktivitas Padi Per Propinsi Tabel., dan Padi Per No. Padi.552.078.387.80 370.966 33.549 4,84 4,86 2 Sumatera Utara 3.48.782 3.374.838 826.09 807.302 4,39 4,80 3 Sumatera Barat.875.88.893.598 422.582 423.402 44,37 44,72 4 Riau 454.86

Lebih terperinci

TABEL 1 GAMBARAN UMUM TAMAN BACAAN MASYARAKAT (TBM) KURUN WAKTU 1 JANUARI - 31 DESEMBER 2011

TABEL 1 GAMBARAN UMUM TAMAN BACAAN MASYARAKAT (TBM) KURUN WAKTU 1 JANUARI - 31 DESEMBER 2011 TABEL 1 GAMBARAN UMUM No. Provinsi Lembaga Pengelola Pengunjung Judul Buku 1 DKI Jakarta 75 83 7.119 17.178 2 Jawa Barat 1.157 1.281 72.477 160.544 3 Banten 96 88 7.039 14.925 4 Jawa Tengah 927 438 28.529

Lebih terperinci

STATISTIK PERTEMUAN VIII

STATISTIK PERTEMUAN VIII STATISTIK PERTEMUAN VIII Pegertia Estimasi Merupaka bagia dari statistik iferesi Estimasi = pedugaa, atau meaksir harga parameter populasi dega harga-harga statistik sampelya. Misal : suatu populasi yag

Lebih terperinci

BAB III METODE STRATIFIED RANDOM SAMPLING

BAB III METODE STRATIFIED RANDOM SAMPLING BAB III METODE STRATIFIED RADOM SAMPIG 3.1 Pengertian Stratified Random Sampling Dalam bukunya Elementary Sampling Teory, Taro Yamane menuliskan Te process of breaking down te population into rata, selecting

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Sukardi, (2003:17) Metodologi penelitian adalah cara yang

III. METODOLOGI PENELITIAN. Menurut Sukardi, (2003:17) Metodologi penelitian adalah cara yang 5 III. METODOLOGI PENELITIAN A. Metode Peelitia Meurut Sukardi, (003:7) Metodologi peelitia adalah cara yag dilakuka secara sistematis megikuti atura-atura, direcaaka oleh para peeliti utuk memecahka permasalaha

Lebih terperinci

Nusa Tenggara Timur Luar Negeri Banten Kepulauan Riau Sumatera Selatan Jambi. Nusa Tenggara Barat Jawa Tengah Sumatera Utara.

Nusa Tenggara Timur Luar Negeri Banten Kepulauan Riau Sumatera Selatan Jambi. Nusa Tenggara Barat Jawa Tengah Sumatera Utara. LAMPIRAN I ZONA DAN KOEFISIEN MASING-MASING ZONA Zona 1 Zona 2 Zona 3 Zona 4 Zona 5 Zona 6 Koefisien = 5 Koefisien = 4 Koefisien = 3 Koefisien = 2 Koefisien = 1 Koefisien = 0,5 DKI Jakarta Jawa Barat Kalimantan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

Lebih terperinci

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag

Lebih terperinci

Jumlah Akomodasi, Kamar, dan Tempat Tidur yang Tersedia pada Hotel Bintang Menurut Provinsi,

Jumlah Akomodasi, Kamar, dan Tempat Tidur yang Tersedia pada Hotel Bintang Menurut Provinsi, yang Tersedia pada Menurut, 2000-2015 2015 yang Tersedia pada ACEH 17 1278 2137 SUMATERA UTARA 111 9988 15448 SUMATERA BARAT 60 3611 5924 RIAU 55 4912 7481 JAMBI 29 1973 2727 SUMATERA SELATAN 61 4506 6443

Lebih terperinci

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab

Lebih terperinci

2

2 2 3 c. Pejabat Eselon III kebawah (dalam rupiah) NO. PROVINSI SATUAN HALFDAY FULLDAY FULLBOARD (1) (2) (3) (4) (5) (6) 1. ACEH

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Nama Alat Tegaga Ukura Berat : Lux meter dilegkapi sesor jarak berbasis arduio : 5 V (DC) : pajag 15,4 cm tiggi 5,4 cm lebar 8,7 cm : 657 gram 4.. Gambar

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

Estimasi Kesalahan Sampling Riskesdas 2013 (Sampling errors estimation, Riskesdas 2013)

Estimasi Kesalahan Sampling Riskesdas 2013 (Sampling errors estimation, Riskesdas 2013) Lampiran Estimasi Kesalahan Sampling Riskesdas 2013 (Sampling errors estimation, Riskesdas 2013) Berikut ini beberapa contoh perhitungan dari variabel riskesdas yang menyajikan Sampling errors estimation

Lebih terperinci

PROFIL PEMANFAATAN TEKNOLOGI INFORMASI OLEH MASYARAKAT

PROFIL PEMANFAATAN TEKNOLOGI INFORMASI OLEH MASYARAKAT No. 42 / IX / 14 Agustus 2006 PROFIL PEMANFAATAN TEKNOLOGI INFORMASI OLEH MASYARAKAT Hasil Survei Sosial Ekonomi Nasional (Susenas) 2005 Dari hasil Susenas 2005, sebanyak 7,7 juta dari 58,8 juta rumahtangga

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

Lebih terperinci

Perubahan Politik 2014: Trend Sentimen Pemilih pada Partai Politik

Perubahan Politik 2014: Trend Sentimen Pemilih pada Partai Politik Perubahan Politik 2014: Trend Sentimen Pemilih pada Partai Politik Survei Nasional 1-12 FEBRUARI 2012 Jl. Lembang Teusan,D-57, Menteng, Jakarta Pusat 10310 Telp. (021) 391 9582, Fax (021) 391 9528 Website:

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun 47 BAB IV HASIL DAN PEMBAHASAN Sebagai hasil peelitia dalam pembuata modul Racag Bagu Terapi Ifra Merah Berbasis ATMega8 dilakuka 30 kali pegukura da perbadiga yaitu pegukura timer/pewaktu da di badigka

Lebih terperinci

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.

BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah. BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder

Lebih terperinci

BAB IV SEBARAN ASIMTOTIK PENDUGA DENGAN MENGGUNAKAN KERNEL SERAGAM. ) menyatakan banyaknya kejadian pada interval [ 0, n ] dan h

BAB IV SEBARAN ASIMTOTIK PENDUGA DENGAN MENGGUNAKAN KERNEL SERAGAM. ) menyatakan banyaknya kejadian pada interval [ 0, n ] dan h BAB IV SEBARAN ASIMTOTIK PENDUGA DENGAN MENGGUNAKAN KERNEL SERAGAM 4.1 Peduga dega Kerel Seragam Pada bab ii diguaka peduga dega kerel eragam. Hal ii karea aya belum berail memperole ebara aimtotik dari

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

BAB 2 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI BAB 2 TINJAUAN TEORI 2.1 ISTILAH KEENDUDUKAN 2.1.1 eduduk eduduk ialah orag atatu idividu yag tiggal atau meetap pada suatu daerah tertetu dalam jagka waktu yag lama. 2.1.2 ertumbuha eduduk ertumbuha peduduk

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga

Lebih terperinci

ProfilAnggotaDPRdan DPDRI 2014-2019. Pusat Kajian Politik Departemen Ilmu Politik FISIP UniversitasIndonesia 26 September 2014

ProfilAnggotaDPRdan DPDRI 2014-2019. Pusat Kajian Politik Departemen Ilmu Politik FISIP UniversitasIndonesia 26 September 2014 ProfilAnggotaDPRdan DPDRI 2014-2019 Pusat Kajian Politik Departemen Ilmu Politik FISIP UniversitasIndonesia 26 September 2014 Pokok Bahasan 1. Keterpilihan Perempuan di Legislatif Hasil Pemilu 2014 2.

Lebih terperinci

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat

BAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh

Lebih terperinci

Pembimbing : PRIHANDOKO, S.Kom., MIT, Ph.D.

Pembimbing : PRIHANDOKO, S.Kom., MIT, Ph.D. ANALISIS BENCANA DI INDONESIA BERDASARKAN DATA BNPB MENGGUNAKAN METODE CLUSTERING DATA MINING MAHESA KURNIAWAN 54412387 Pembimbing : PRIHANDOKO, S.Kom., MIT, Ph.D. Bencana merupakan peristiwa yang dapat

Lebih terperinci

(A.6) PENENTUAN CADANGAN ASURANSI DISESUAIKAN MELALUI METODE OHIO PADA PRODUK GABUNGAN ASURANSI JIWA DAN PENDIDIKAN BERPASANGAN

(A.6) PENENTUAN CADANGAN ASURANSI DISESUAIKAN MELALUI METODE OHIO PADA PRODUK GABUNGAN ASURANSI JIWA DAN PENDIDIKAN BERPASANGAN Prosidig Semiar Nasioal Statistika Uiversitas Padjadjara, 3 November 2 (A.6) PENENTUAN CADANGAN ASURANSI DISESUAIKAN MELALUI METDE HI PADA PRDUK GABUNGAN ASURANSI JIWA DAN PENDIDIKAN BERPASANGAN Puput

Lebih terperinci

TINGKAT KETIMPANGAN PENGELUARAN PENDUDUK MALUKU SEPTEMBER 2016 MENURUN

TINGKAT KETIMPANGAN PENGELUARAN PENDUDUK MALUKU SEPTEMBER 2016 MENURUN BADAN PUSAT STATISTIK No.06/02/81/Th.2017, 6 Februari 2017 TINGKAT KETIMPANGAN PENGELUARAN PENDUDUK MALUKU SEPTEMBER 2016 MENURUN GINI RATIO MALUKU PADA SEPTEMBER 2016 SEBESAR 0,344 Pada September 2016,

Lebih terperinci

MAYORITAS PUBLIK INGIN CAPRES SIAP TERIMA KEKALAHAN. Konpers LSI Juli 2014

MAYORITAS PUBLIK INGIN CAPRES SIAP TERIMA KEKALAHAN. Konpers LSI Juli 2014 MAYORITAS PUBLIK INGIN CAPRES SIAP TERIMA KEKALAHAN Konpers LSI Juli 2014 1 MAYORITAS PUBLIK INGINKAN CAPRES SIAP TERIMA KEKALAHAN Menjelang pengumuman pemenang Pilpres oleh KPU tanggal 22 Juli besok,

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,

Lebih terperinci

BPS PROVINSI SUMATERA SELATAN

BPS PROVINSI SUMATERA SELATAN BADAN PUSAT STATISTIK BPS PROVINSI SUMATERA SELATAN No.53/09/16 Th. XVIII, 01 September 2016 TINGKAT KETIMPANGAN PENGELUARAN PENDUDUK SUMATERA SELATAN MARET 2016 GINI RATIO SUMSEL PADA MARET 2016 SEBESAR

Lebih terperinci

TINGKAT KETIMPANGAN PENGELUARAN PENDUDUK SULAWESI TENGGARA MARET 2017 MENURUN TERHADAP MARET 2016

TINGKAT KETIMPANGAN PENGELUARAN PENDUDUK SULAWESI TENGGARA MARET 2017 MENURUN TERHADAP MARET 2016 BADAN PUSAT STATISTIK BADAN PUSAT STATISTIK No.39/07/Th.XX, 17 Juli 2017 TINGKAT KETIMPANGAN PENGELUARAN PENDUDUK SULAWESI TENGGARA MARET 2017 MENURUN TERHADAP MARET 2016 GINI RATIO PADA MARET 2017 SEBESAR

Lebih terperinci

MATERI 12 ANALISIS PERUSAHAAN

MATERI 12 ANALISIS PERUSAHAAN MATERI 12 ANALISIS PERUSAHAAN EPS DAN INFORMASI LAPORAN KEUANGAN KELEMAHAN PELAPORAN EPS DALAM LAPORAN KEUANGAN ANALISIS RASIO PROFITABILITAS PERUSAHAAN EARNING PER SHARE (EPS) PRICE EARNING RATIO (PER)

Lebih terperinci

Pertumbuhan Simpanan BPR Dan BPRS

Pertumbuhan Simpanan BPR Dan BPRS Pertumbuhan Simpanan BPR Dan BPRS Semester I Tahun 2014 Divisi Statistik, Kepesertaan, dan Premi Penjaminan Direktorat Penjaminan dan Manajemen Risiko DAFTAR ISI Jumlah BPR/BPRS Peserta Penjaminan Grafik

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

Rekapitulasi Luas Penutupan Lahan Di Dalam Dan Di Luar Kawasan Hutan Per Provinsi Tahun 2014 (ribu ha)

Rekapitulasi Luas Penutupan Lahan Di Dalam Dan Di Luar Kawasan Hutan Per Provinsi Tahun 2014 (ribu ha) Rekapitulasi Luas Penutupan Lahan Di Dalam Dan Di Luar Kawasan Hutan Per Provinsi Tahun 2014 (ribu ha) Kawasan Hutan Total No Penutupan Lahan Hutan Tetap APL HPK Jumlah KSA-KPA HL HPT HP Jumlah Jumlah

Lebih terperinci

Fungsi, Sub Fungsi, Program, Satuan Kerja, dan Kegiatan Anggaran Tahun 2012 Kode. 1 010022 Provinsi : DKI Jakarta 484,909,154

Fungsi, Sub Fungsi, Program, Satuan Kerja, dan Kegiatan Anggaran Tahun 2012 Kode. 1 010022 Provinsi : DKI Jakarta 484,909,154 ALOKASI ANGGARAN URUSAN PEMERINTAHAN BIDANG PENDIDIKAN YANG DILIMPAHKAN KEPADA GUBERNUR (Alokasi Anggaran Dekonsentrasi Per Menurut Program dan Kegiatan) (ribuan rupiah) 1 010022 : DKI Jakarta 484,909,154

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

Lebih terperinci

REGRESI KERNEL DENGAN METODE NADARAYA WATSON. Oleh : Esty

REGRESI KERNEL DENGAN METODE NADARAYA WATSON. Oleh : Esty REGRESI KERNEL DENGAN METODE NADARAYA WATSON REGRESI KERNEL DENGAN METODE NADARAYA WATSON Ole : SKRIPSI Diajuka Kepada Fakultas Matematika da Ilmu Pegetaua Alam Uiversitas Negeri Yogyakarta Utuk Memeui

Lebih terperinci

- 1 - KEPUTUSAN MENTERI SOSIAL REPUBLIK INDONESIA NOMOR 5/HUK/2018 TENTANG PENETAPAN PENERIMA BANTUAN IURAN JAMINAN KESEHATAN TAHUN 2018

- 1 - KEPUTUSAN MENTERI SOSIAL REPUBLIK INDONESIA NOMOR 5/HUK/2018 TENTANG PENETAPAN PENERIMA BANTUAN IURAN JAMINAN KESEHATAN TAHUN 2018 - 1 - KEPUTUSAN MENTERI SOSIAL REPUBLIK INDONESIA NOMOR 5/HUK/2018 TENTANG PENETAPAN PENERIMA BANTUAN IURAN JAMINAN KESEHATAN TAHUN 2018 MENTERI SOSIAL REPUBLIK INDONESIA, Menimbang : bahwa untuk melaksanakan

Lebih terperinci

PREVALENSI BALITA GIZI KURANG BERDASARKAN BERAT BADAN MENURUT UMUR (BB/U) DI BERBAGAI PROVINSI DI INDONESIA TAHUN Status Gizi Provinsi

PREVALENSI BALITA GIZI KURANG BERDASARKAN BERAT BADAN MENURUT UMUR (BB/U) DI BERBAGAI PROVINSI DI INDONESIA TAHUN Status Gizi Provinsi LAMPIRAN 1 PREVALENSI BALITA GIZI KURANG BERDASARKAN BERAT BADAN MENURUT UMUR (BB/U) DI BERBAGAI PROVINSI DI INDONESIA TAHUN 2013 Status Gizi No Provinsi Gizi Buruk (%) Gizi Kurang (%) 1 Aceh 7,9 18,4

Lebih terperinci

TINGKAT KETIMPANGAN PENGELUARAN PENDUDUK PROVINSI BENGKULU MARET 2016 MULAI MENURUN

TINGKAT KETIMPANGAN PENGELUARAN PENDUDUK PROVINSI BENGKULU MARET 2016 MULAI MENURUN No.54/09/17/I, 1 September 2016 TINGKAT KETIMPANGAN PENGELUARAN PENDUDUK PROVINSI BENGKULU MARET 2016 MULAI MENURUN GINI RATIO PADA MARET 2016 SEBESAR 0,357 Daerah Perkotaan 0,385 dan Perdesaan 0,302 Pada

Lebih terperinci

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik

Lebih terperinci

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

ISU KEBANGKITAN PKI SEBUAH PENILAIAN PUBLIK NASIONAL. Temuan Survei September 2017

ISU KEBANGKITAN PKI SEBUAH PENILAIAN PUBLIK NASIONAL. Temuan Survei September 2017 ISU KEBANGKITAN PKI SEBUAH PENILAIAN PUBLIK NASIONAL Temuan Survei September 2017 Jl. Kusumaatmaja No. 59, Menteng, Jakarta Pusat 10340 [email protected] www.saifulmujani.com Latar belakang Partai

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

BAB III STRATIFIED CLUSTER SAMPLING

BAB III STRATIFIED CLUSTER SAMPLING BAB III STRATIFIED CUSTER SAMPING 3.1 Pengertian Stratified Cluster Sampling Proses memprediksi asil quick count sangat dipengarui ole pemilian sampel yang dilakukan dengan metode sampling tertentu. Sampel

Lebih terperinci

Jumlah Ternak yang dipotong di rumah potong hewan (RPH) menurut Provinsi dan Jenis Ternak (ekor),

Jumlah Ternak yang dipotong di rumah potong hewan (RPH) menurut Provinsi dan Jenis Ternak (ekor), Sapi ACEH 25055 25902 18002 23456 22172 19693 9931 27698 26239 35601 36014 36287 30145 11316 10986 13231 SUMATERA UTARA 22557 22578 17050 21686 20380 19275 20816 24077 19676 28901 31926 32163 21761 24434

Lebih terperinci

Proses Pendugaan. 95% yakin bahwa diantara 40 & 60. Mean X = 50. Mean,, tdk diketahui. Contoh Prentice-Hall, Inc. Chap. 7-1

Proses Pendugaan. 95% yakin bahwa diantara 40 & 60. Mean X = 50. Mean,, tdk diketahui. Contoh Prentice-Hall, Inc. Chap. 7-1 Proses Pedugaa Populasi Mea,, tdk diketahui Cotoh Acak Mea = 50 95% yaki bahwa diatara 40 & 60. Cotoh 1999 Pretice-Hall, Ic. Chap. 7-1 Pedugaa Parameter Populasi Meduga Parameter Populasi... Mea dg Statistik

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

UKURAN PEMUSATAN DATA

UKURAN PEMUSATAN DATA Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN

Lebih terperinci

Konsolidasi Demokrasi. Lembaga Survei Indonesia (LSI)

Konsolidasi Demokrasi. Lembaga Survei Indonesia (LSI) Kualitas Pelaksanaan Pemilu dan Konsolidasi Demokrasi Sebuah Evaluasi Pemilih Lembaga Survei Indonesia (LSI) Juli 2009 Latar Belakang Dalam tahun 2009 ini ada dua peristiwa politik lima tahunan paling

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

STUDI PERBANDINGAN METODE SAMPLING ANTARA SIMPLE RANDOM DENGAN STRATIFIED RANDOM

STUDI PERBANDINGAN METODE SAMPLING ANTARA SIMPLE RANDOM DENGAN STRATIFIED RANDOM Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I 978-9483 TUDI ERBADIGA METODE AMLIG ATARA IMLE RADOM DEGA TRATIFIED RADOM urayati Jurusa iem Iformasi, Fakultas Tekologi Komuikasi da Iformatika,

Lebih terperinci

Pertumbuhan Simpanan BPR Dan BPRS

Pertumbuhan Simpanan BPR Dan BPRS Pertumbuhan Simpanan BPR Dan BPRS Semester II Tahun 2013 GROUP PENJAMINAN DIREKTORAT PENJAMINAN DAN MANAJEMEN RISIKO 0 DAFTAR ISI Jumlah BPR/BPRS Peserta Penjaminan Grafik 1 3 Pertumbuhan Simpanan pada

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii termasuk jeis peelitia deskriptif dega pedekata kuatitatif. Hal ii disebabka peelitia ii megguaka data kuatitatif da dideskripsika utuk meghasilka

Lebih terperinci

KEPUTUSAN MENTERI PENDIDIKAN DAN KEBUDAYAAN REPUBLIK INDONESIA NOMOR 041/P/2017 TENTANG

KEPUTUSAN MENTERI PENDIDIKAN DAN KEBUDAYAAN REPUBLIK INDONESIA NOMOR 041/P/2017 TENTANG SALINAN KEPUTUSAN MENTERI PENDIDIKAN DAN KEBUDAYAAN REPUBLIK INDONESIA NOMOR 041/P/2017 TENTANG PENETAPAN ALOKASI DANA DEKONSENTRASI KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN TAHUN ANGGARAN 2017 MENTERI PENDIDIKAN

Lebih terperinci

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

Jumlah Akomodasi, Kamar, dan Tempat Tidur yang Tersedia pada Hotel Bintang Menurut Provinsi,

Jumlah Akomodasi, Kamar, dan Tempat Tidur yang Tersedia pada Hotel Bintang Menurut Provinsi, Menurut, 2000-2016 2015 ACEH 17 1.278 2.137 20 1.503 2.579 SUMATERA UTARA 111 9.988 15.448 116 10.732 16.418 SUMATERA BARAT 60 3.611 5.924 61 3.653 6.015 RIAU 55 4.912 7.481 58 5.206 7.832 JAMBI 29 1.973

Lebih terperinci

Statistika Inferensial

Statistika Inferensial Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi

Lebih terperinci

PEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE

PEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE PEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE Sutriso B., Abd. Haris, Romadho Jurusa Maajeme - Fakultas Ekoomi, Uiversitas Widya Dharma Klate Jl. Ki

Lebih terperinci

x = μ...? 2 2 s = σ...? x x s = σ...?

x = μ...? 2 2 s = σ...? x x s = σ...? Pedugaa Parameter x 2 sx s = μ...? 2 = σ x...? = σ...? Peduga Parameter Peduga titik yaitu parameter populasi p diduga dega suatu besara statistik, misal: rata-rata, proporsi, ragam, dll Peduga Selag (Iterval)

Lebih terperinci

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

Lebih terperinci

MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng

MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng MODUL 1.03 DINMIK PROSES Ole : Ir. Tatag Kusmara, M.Eg LBORTORIUM OPERSI TEKNIK KIMI JURUSN TEKNIK KIMI UNIVERSITS SULTN GENG TIRTYS CILEGON BNTEN 2008 2 Modul 1.03 DINMIK PROSES I. Pedaulua Dalam bidag

Lebih terperinci