UJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure
|
|
- Hendra Indradjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 Least Significant Difference (LSD) Method Scheffe Multiple Contrast Procedure Bonferroni Tuey s Test Duncan Dunnett s Test Post Hoc Analysis 1
2 8/9/01 UJI TUKEY Disebut Uji HSD (Honestly Sifnificant Difference) Digunaan untu menguji perbandingan rataan secara berpasangan berdasaran distribusi rentangan distudentan yang memunginan tingat galat tipe I cuup ecil. Syarat : 1. Uuran elompo semuanya harus sama (atau direrataan secara rerata harmoni). Uji dilauan jia pada uji ANOVA, Ho ditola 8/9/01 3 UJI TUKEY Metoda perbandingan berpasangan oleh Tuey diperoleh dengan mencari perbedaan yang signifian antara rataan i dan j ( i j ) bila : yi y dimana : j q[,, v]* s n : taraf nyata :jumlah perlauan v :derajat bebas error v = N - y i y j nilai rataan perlauan e i dan j q [,, v] diperoleh dari tabel distribusi rentangan distudentan S nilai rataan uadrat galat / Mean Square Error ( MSE) n = jumlah pengamatan / sampel per perlauan. 8/9/01 4
3 8/9/01 Contoh Soal : 1. Misalan dalam suatu percobaan industri, seorang insinyur ingin menyelidii bagaimana rataan penyerapan uap air dalam beton berubah di antara lima aduan beton yang berbeda. Aduan beton ini berubah dalam persen berat omponen penting. Sampel dibiaran ena uap air selama 48 jam. Dari tiap aduan diambil 6 sampel untu diuji, sehingga seluruhnya diperluan 30 sampel. Ujilah hipotesis m1=m= =m5 pada taraf eberartian 0,05 untu data dibawah ini mengenai penyerapan uap air oleh berbagai jenis aduan semen. Jenis Aduan Beton (% Berat) Total Total Rataan 553,33 569,33 610,50 465,17 610,67 561,80 8/9/01 5 Jawab : a. Strutur Hipotesis : H 0 : m 1 = m = m 3 = m 4 = m 5 H 1 : paling sediit dua diantaranya tida sama b. Taraf nyata : = 0,05 c. Statisti Uji : ANOVA 1 arah Sumber Variansi Sum of Square Derajat Kebebasan ( v ) Mean Square ( MS ) Nilai Tengah Kolom Galat atau Error Total Stat. Uji f = 4,3 8/9/01 6 3
4 8/9/01 d. Wilayah Kritis : f > f ( v1 ; v ) Tola Ho Dimana : = 0,05 v1 = 4 v = 5,76 4,3 f 0,05 (4,5) =,76 e. Keputusan : Tola Ho f. Kesimpulan : bahwa elima jenis aduan semen tida mempunyai penyerapaan rataan yang sama pada taraf nyata 0,05 8/9/01 7 Contoh Soal UJI Tuey : 3. Dari hasil pengujian dengan ANOVA 1 arah telah disimpulan pada soal no 6 bahwa Tola Ho yang artinya elima jenis aduan semen tida mempunyai penyerapaan rataan yang sama pada taraf nyata 0,05. Pertanyaan : Jenis Aduan semen manaah yang sama dan manaah yang berbeda secara signifian??? Gunaan Uji Tuey 8/9/01 8 4
5 8/9/01 Prosedur Uji Tuey : a. Urutan nilai rataan tiap perlauan dari terecil s/d terbesar. Jenis Aduan Semen Jenis Rataan 553,33 569,33 610,50 465,17 610,67 y Jenis Aduan Semen Jenis Rataan 465,17 553,33 569,33 610,50 610,67 8/9/01 9 Prosedur Uji Tuey : b. Hitunglah nilai : q [,, v] x Dari tabel Anova sebelumnya : dietahui bahwa nilai MSE = MSE S S n = 5 ; n = 6 ; v = N = 30 5 = 5 q [,, v ] = q [ 0,05, 5, 5 ] = 4,16 Nilai : q [,, v ] * S = q [ 0,05, 5, 5 ] * n 6 = 4,16 * *Walpole Ed 4 Tabel L. hal 81 = 119,6 *baca tabel distribusi rentangan distudentan Walpole Ed 4 Tabel L. hal 81 8/9/
6 8/9/ Bab 9A Tabel q ,05 3,64 4,60 5, 5,67 6,03 6,33 6,58 6,80 6,99 0,01 5,70 6,98 7,80 8,4 8,91 9,3 9,67 9,97 10,4 6 0,05 3,46 4,34 4,90 5,30 5,63 5,90 6,1 6,3 6,49 0,01 5,4 6,33 7,03 7,56 7,97 8,3 8,61 8,87 9,10 7 0,05 3,34 4,16 4,68 5,06 5,36 5,61 5,8 6,00 6,16 0,01 4,95 5,9 6,54 7,01 7,37 7,68 7,94 8,17 8,37 8 0,05 3,6 4,04 4,53 4,89 5,17 5,40 5,60 5,77 5,9 0,01 4,75 5,64 6,0 6,6 6,96 7,4 7,47 7,68 7,86 9 0,05 3,0 3,95 4,41 4,76 5,0 5,4 5,43 5,59 5,74 0,01 4,60 5,43 5,96 6,35 6,66 6,91 7,13 7,33 7,49 Tabel q Bab 9A ,05 3,08 3,77 4,0 4,51 4,75 4,95 5,1 5,7 5,39 0,01 4,3 5,05 5,50 5,84 6,10 6,3 6,51 6,67 6, ,05 3,06 3,73 4,15 4,45 4,69 4,88 5,05 5,19 5,3 0,01 4,6 4,96 5,40 5,73 5,98 6,19 6,37 6,53 6, ,05 3,03 3,70 4,11 4,41 4,64 4,83 4,99 5,13 5,5 0,01 4,1 4,89 5,3 5,63 5,88 6,08 6,6 6,41 6, ,05 3,01 3,67 4,08 4,37 4,59 4,78 4,94 5,08 5,0 0,01 4,17 4,84 5,5 5,56 5,80 5,99 6,16 6,31 6, ,05 3,00 3,65 4,05 4,33 4,56 4,74 4,90 5,03 5,15 0,01 4,13 4,79 5,19 5,49 5,7 5,9 6,08 6, 6, ,05,98 3,63 4,0 4,30 4,5 4,70 4,86 4,99 5,11 6
7 8/9/01 Tabel q Bab 9A ,05,96 3,59 3,98 4,5 4,47 4,65 4,79 4,9 5,01 0,01 4,05 4,67 5,05 5,33 5,55 5,73 5,89 6,0 6,14 0 0,05,95 3,58 3,96 4,3 4,45 4,6 4,77 4,90 5,01 0,01 4,0 4,64 5,0 5,9 5,51 5,69 5,84 5,97 6,09 4 0,05,9 3,53 3,90 4,17 4,37 4,54 4,68 4,81 4,9 0,01 3,96 4,55 4,91 5,17 5,37 5,54 5,69 5,81 5,9 30 0,05,89 3,49 3,85 4,10 4,30 4,46 4,60 4,7 4,8 0,01 3,89 4,45 4,80 5,05 5,4 5,40 5,54 5,65 5, ,05,86 3,44 3,79 4,04 4,3 4,39 4,5 4,63 4,73 0,01 3,8 4,37 4,70 4,93 5,11 5,6 5,39 5,50 5, ,05,83 3,40 3,74 3,98 4,16 4,31 4,44 4,55 4,65 Prosedur Uji Tuey : c. Menentuan nilai rataan yang berbeda secara signifian s y i y j q[,, v]* n Dari hasil perhitungan point b, dapat disimpulan bahwa : y i y 119, rataan aan berbeda secara signifian jia : ( ) 6 Jenis Aduan Semen Jenis Rataan 465,17 553,33 569,33 610,50 610,67 y j 8/9/
8 8/9/01 Prosedur Uji Tuey : Jenis Aduan Perbandingan tiap nilai rataan Tanda s q[,, v]* n Keputusan 1 dengan 4 88,16 < Tida Berbeda signifian dengan 1 16 < Tida Berbeda signifian dengan 4 104,16 < Tida Berbeda signifian 3 dengan 41,17 < Tida Berbeda signifian 3 dengan 1 57,17 < Tida Berbeda signifian 119,6 3 dengan 4 145,33 > Berbeda signifian 5 dengan 3 0,17 < Tida Berbeda signifian 5 dengan 41,34 < Tida Berbeda signifian 5 dengan 1 57,34 < Tida Berbeda signifian 5 dengan > Berbeda signifian Kesimpulan : hasil perbandingan tiap nilai rataan ( y) diatas, maa dapat disimpulan bahwa rataan yang memilii perbedaan secara signifian adalah : Jenis Aduan 3 dan Jenis Aduan 4 Jenis Aduan 5 dan Jenis Aduan 4 8/9/01 15 UJI DUNCAN ( UJI RENTANGAN DARAB DUNCAN ) Digunaan juga untu menguji perbandingan rataan secara berpasangan berdasaran distribusi rentangan distudentan yang memunginan tingat galat tipe I cuup ecil. Uji DUNCAN dilauan jia pada uji ANOVA, Ho ditola 8/9/
9 8/9/01 UJI DUNCAN ( UJI RENTANGAN DARAB DUNCAN ) Metoda perbandingan berpasangan oleh Duncan diperoleh dengan mencari perbedaan yang signifian antara rataan i dan j dengan nilai rentangan berarti terecil ( R p ) Syarat : 1. Uuran n sampel harus sama. Uji dilauan jia pada uji ANOVA, Ho ditola 8/9/01 17 Prosedur Uji Duncan : 1. Susun rata-rata data pengamatan sampel dari yang terecil sampai yang terbesar.. Hitung : 3. Taraf Nyata : SSE S ( n 1) n : jumlah pengamatan / sampel per perlauan. 4. Cari nilai r p dari tabel dengan v= (n-1) dimana r p adalah wilayah terstudentan nyata terecil 5. Hitung R p untu masing-masing nilai r p s Rp rp * n R p = Wilayah nyata terecil 6. Bandingan nilai selisih rata-rata yang telah diurutan dengan R p ( ) i y j Selisih rata-rata = y Jia selisih rata-rata<r p rata-rata tersebut dapat diataan SAMA Jia selisih rata-rata>r p rata-rata tersebut dapat diataan BERBEDA! 9
10 8/9/01 Contoh Soal : 4. Lihat soal no 3 Dari hasil pengujian dengan ANOVA 1 arah telah disimpulan bahwa Tola Ho : yang artinya elima jenis aduan semen tida mempunyai penyerapaan rataan yang sama pada taraf nyata 0,05. Pertanyaan : jenis aduan manaah yang sama dan manaah yang berbeda??? Uji Duncan 8/9/01 19 Prosedur Uji Duncan : a. Urutan nilai rataan tiap perlauan dari terecil s/d terbesar. Jenis Aduan Semen Jenis Rataan 553,33 569,33 610,50 465,17 610,67 y Jenis Aduan Semen Jenis Rataan 465,17 553,33 569,33 610,50 610,67 8/9/
11 8/9/01 Prosedur Uji Duncan : b. Hitunglah Nilai : R p r * p Dari tabel Anova sebelumnya : dietahui bahwa nilai MSE = S s n = 5 ; n = 6 ; v = N = 30 5 = 5 Dengan v = 5 dan = 0,05 diperoleh nilai r p untu tiap p rataan : p r p,913 3,061 3,155 3, Tabel L.1 hal 791 Walpole Edisi 4 *baca tabel rentangan distudentan r p dengan eberartian terecil Walpole Ed 4 Tabel L.1 hal 791 8/9/01 1 Prosedur Uji Duncan : Sehingga dapat diperoleh nilai R p adalah sbb : s Rp rp * rp* rp*8,76 n 6 p r p,913 3,061 3,155 3, R p 83,76 88,03 90,74 9,66 c. Tentuan nilai rataan yang BERBEDA secara signifian jia ( yi y j ) Rp Jenis Aduan Semen Jenis D A B C E Rataan 465,17 553,33 569,33 610,50 610,67 NB : Untu Mempermudah pemahaman, istilah jenis Aduan 1,,3,4.5 diganti A, B, C, D, E 8/9/01 11
12 8/9/01 Prosedur Uji Duncan : Untu R 5 ( 9,66 ) : arena y E y D 145,5 9, maa dapat disimpulan bahwa ( ) 66 Untu R 4 ( 90,74 ) : D A B C E ye dan y D BERBEDA secara signifian. A B C E D D A A B B C C ( ) 74 arena y E y A 57,34 90, dan ( y C y D ) 145,33 90, 74 maa dapat disimpulan bahwa ye dan y A TIDAK BERBEDA secara signifian ( membentu himpunan bagian rataan yang homogen ). bahwa yc dan y D BERBEDA secara signifian Prosedur Uji Duncan : Untu R 3 ( 88,03 ) : arena ( y ) 41,34 88, 03 E y B ( y C y A ) 57,17 88, 03 ( ) 104,16 88, 03 y B y D y E dan y yc dan y A B yb dan y D B C E A B C D A B TIDAK BERBEDA secara signifian. TIDAK BERBEDA secara signifian. BERBEDA secara signifian. Untu R ( 83,76 ) : arena ( y E y C ) 0,17 88, 76 ( y C y B ) 41,17 88, 76 ( y B y A ) 16 88, 76 ( ) 88,16 88, 76 y A y D C E B C A B D A TIDAK BERBEDA secara signifian. 1
13 8/9/01 Prosedur Uji Duncan : Untu R 3 ( 88,03 ) : arena ( y ) 41,34 88, 03 E y B y E dan y B B C E A B C D A B TIDAK BERBEDA secara signifian. ( y C y A ) 57,17 88, 03 ( ) 104,16 88, 03 y B y D yc dan y A yb dan y D TIDAK BERBEDA secara signifian. BERBEDA secara signifian. Untu R ( 83,76 ) : arena ( y E y C ) 0,17 88, 76 ( y C y B ) 41,17 88, 76 ( y B y A ) 16 88, 76 ( ) 88,16 88, 76 y A y D C E B C A B D A TIDAK BERBEDA secara signifian. Kesimpulan Kesimpulan : hasil perbandingan tiap nilai rataan ( y) diatas, maa dapat disimpulan bahwa rataan yang memilii perbedaan secara signifian adalah Jenis Aduan C dan D ; Jenis Aduan E dan D ; Jenis Aduan B dan D D A B C E 8/9/
14 8/9/01 UJI BARTLETT (UJI KESAMAAN BEBERAPA VARIANSI) didasaran pada suatu statisti yang distribusi sampelnya memberian nilai ritis yang tepat bila uuran sampelnya sama dan uji Bartlett sering digunaan untu menguji ehomogenan variansi. Nilai-nilai ritis ini untu uuran sampel yang sama dapat pula digunaan untu menghasilan hampiran nilai-nilai ritis yang amat teliti untu uuran sampel yang tida sama. Langah Pengujian Uji Bartlett : a. Strutur Hipotesis : H 0 : 1... H 1 : tida semua variansi sama. b. Taraf nyata : c. Statisti Uji : Uji Bartlett 1. Hitung nilai b : b s p i1 n1 1 n11 ( s ) ( s ) ( s ) 1... s p ( n 1) s i N i n 1 1/( N ) b :suatu nilai dari peubah aca B yang berdistribusi Bartlett.. Mula mula hitunglah variansi sampel s 1, s,, s dari sampel yang beruuran n 1, n,, n, dengan i1 n i N 3. Hitung nilai variansi s 1, s dst 4. Kemudian, gabungan sampel sehingga diperoleh tasiran gabungan searang. 8/9/
15 8/9/01 Prosedur Uji Bartlett : d. Wilayah Kritis : Jia n sama : b < b ( ;n) Tola Ho Jia n beda : b < b( ;n 1,n,...,n ) Tola Ho Dimana : b n1b ( ; n1 ) nb ( ; n )... nb ( ; n ) ; n1, n,... nk ) N ( e. Keputusan f. Kesimpulan Tabel Bartlett memberian nilai ritis b (α; n), untu α = 0,01 dan 0,05; =, 3,.., 10; dan nilai n pilihan dari 3 sampel 100. Bila uuran sampelnya tida sama, hipotesis nol ditola pada taraf eberartian α bila b < b (α; n1, n,, n), jia b (α; n1, n,, n) Contoh Soal 5. Ada yang mengataan bahwa mobil mahal dirait lebih berhati-hati dibandingan dengan mobil murah. Untu menyelidii apaah pendapat ini beralasan, diambil 3 tipe mobil : mobil mewah besar A, sedan beruuran sedang B, dan sedan subompa hatchbac C, untu diselidii berapa banyanya bagian yang cacat. Semua mobil itu diprodusi oleh pabri yg sama. Data banyanya cacat dari beberapa mobil bagi e-3 tipe itu adalah sbb : Model A B C Gunaan Uji Bartlett, dan ujilah hipotesis pada taraf nyata 5 % bahwa variansi banyanya bagian yang cacat adalah sama untu e-3 tipe mobil tersebut. 8/9/
16 8/9/01 Jawab : a. Strutur Hipotesis : H 0 : A B... C H 1 : Ketiga ragam tersebut tida semuanya sama. b. Taraf nyata : = 0.05 c. Statisti Uji : Uji Bartlett 8/9/01 31 Model A B C Total Rata-Rata 5,75 3,5 7,75 Si 1,6 1,5 1,64 Si 1,583,300,700 ni s s s s p p p p Nilai Variansi Gabungan ( n1 1) s1 i1 N ( n1 1) s1 ( n 1) s ( n3 1) s3 N (4 1)1.58 (6 1).3 (5 1) Nilai b b b n1 1 n 1 n3 ( s ) ( s ) ( s ) ( 1.583) (.3) (.7) b s 3 p /( N ) 51 1/(153) 16
17 8/9/01 d. Wilayah Kritis n1b 3( ; n1 ) nb3 ( ; n) n3b3 ( ; n3) b ( ; n1, n, n3) N 4(0.4699) 6(0.6483) 5(0.576) b ( ; n1, n, n3) 15 b ( ; n, n, n ) e. Keputusan : Terima Ho arena b b ( ; n1, n, n3) f. Kesimpulan : Ragam/Variansi mobil yang cacat adalah sama untu etiga model tersebut Uji Cochran Selain menggunaan uji Bartlett, uji Cochran dapat juga menguji ehomogenan variansi Tetapi Uji Cochran terutama seali berguna untu menentuan apaah suatu variansi jauh lebih besar daripada yang lainnya dan Perhitungan uji Cochran lebih mudah dibandingan uji Bartlett. Tapi terbatas hanya untu sampel yang sama uurannya. 17
18 8/9/01 Prosedur Uji Cochran : a. Strutur Hipotesis : H 0 : H 1 : tida semua VARIANSI sama b.taraf nyata : = 0.05 c. Statisti Uji : Uji Cochran S G 1... i terbesar i1 S i d. Wilayah Kritis g > g Tola Ho g g Terima Ho dimana nilai gα diperoleh dari tabel leland blan 11. e. Keputusan f. Kesimpulan Contoh Soal : 6. Lauan uji cochran, dan ujilah hipotesis pada taraf nyata 5 % bahwa variansi penyerapan uap air oleh berbagai jenis aduan semen adalah sama. Jenis Aduan Semen Total Total Rataan 553,33 569,33 610,50 465,17 610,67 561,80 8/9/
19 8/9/01 Jawab : a. Strutur Hipotesis : H 0 : H 1 : tida semua variansi sama b.taraf nyata : = 0.05 c. Statisti Uji : Uji Cochran 8/9/01 37 Jawab : Jenis Aduan Semen Total Total Rataan 553,33 569,33 610,5 465,17 610,67 561,8 Si Si n dimana : n = 6 = 5 8/9/
20 8/9/01 Jawab : S G i terbesar i1 S i G G Wilayah Kritis =0.05 n=6 g= 0,5065 =5 Keputusan Terima Ho (g<g ) Kesimpulan : Variansi e-5 jenis aduan semen dalam penyerapan uap air adalah sama pada taraf nyata 0.05 Soal Pada taraf signifiansi 0,05, melalui uji Cochran, uji esamaan variansi populasi, jia sampel aca adalah (a) A B C D 58,7 6,7 55,9 60,7 61,4 64,5 56,1 60,3 60,9 63,1 57,3 60,9 59,1 59, 55, 61,4 58, 60,3 58,1 6,3 (b) A B C D
21 8/9/01 Nilai Kritis pada Uji Cochran = 0,05 Uuran sampel n ,9985 0,9750 0,939 0,9057 0,877 0,8534 0, ,9669 0,8709 0,7977 0,7457 0,7071 0,6771 0, ,9065 0,7679 0,6841 0,687 0,5895 0,5598 0, ,841 0,6838 0,5981 0,5441 0,5065 0,4783 0, ,7808 0,6161 0,531 0,4903 0,4447 0,4184 0, ,771 0,561 0,4800 0,4307 0,3974 0,376 0, ,6798 0,5157 0,4377 0,3910 0,3595 0,336 0, ,6385 0,4775 0,407 0,3584 0,386 0,3067 0, ,600 0,4450 0,3733 0,3311 0,309 0,83 0, ,5410 0,394 0,364 0,880 0,64 0,439 0, ,4709 0,3346 0,758 0,419 0,195 0,034 0, ,3894 0,705 0,05 0,191 0,1735 0,160 0, ,3434 0,354 0,1907 0,1656 0,1493 0,1374 0, ,99 0,1980 0,1593 0,1377 0,137 0,1137 0, ,370 0,1576 0,159 0,108 0,0968 0,0887 0, ,1737 0,1131 0,0895 0,0765 0,068 0,063 0, ,0998 0,063 0,0495 0,0119 0,0371 0,0337 0, Nilai Kritis pada Uji Cochran = 0,05 Uuran sampel n ,8159 0,8010 0,7880 0,7841 0,660 0,5813 0, ,6333 0,6167 0,605 0,5466 0,4748 0,4031 0, ,5175 0,5017 0,4884 0,4366 0,370 0,3093 0, ,4387 0,441 0,4118 0,3645 0,3066 0,513 0, ,3817 0,368 0,3568 0,3135 0,61 0,119 0, ,3384 0,359 0,3154 0,756 0,78 0,1833 0, ,3043 0,96 0,89 0,46 0,0 0,1616 0, ,768 0,659 0,568 0,6 0,180 0,1446 0, ,541 0,439 0,353 0,03 0,1655 0,1308 0, ,187 0,098 0,00 0,1737 0,1403 0,1100 0, ,1815 0,1736 0,1671 0,149 0,1144 0,0889 0, ,14 0,1357 0,1303 0,1108 0,0879 0,0675 0, ,116 0,1160 0,1113 0,094 0,0743 0,0567 0, ,100 0,0958 0,091 0,0771 0,0604 0,0457 0, ,0780 0,0745 0,0713 0,0595 0,046 0,0347 0, ,055 0,050 0,0497 0,0411 0,0316 0,034 0, ,09 0,079 0,066 0,018 0,0165 0,010 0,
22 8/9/01 Uji Dunnet Uji Dunnet adalah uji untu menentuan perbedaan yang berarti antara tiap rataan perlauan dengan control pada suatu taraf eberartian yang sama. Prosedur Uji Dunnet a. Strutur Hipotesis : JKG S Ho: m 0 = m i H1: m 0 m i i=1,,3,... b.taraf nyata : = 0.05 c. Statisti Uji : Uji Dunnet i1 j1 JKG ' 1 n y ij j1 n i T =*n Ti= Total sampel e-i Yij=data ij Hitung nilai di d d. Wilayah Kritis = jumlah pembanding v= +1 e. Keputusan f. Kesimpulan i y y i S ( v) d i d, 0 / n y 0 Rata - rata pembanding y i Rata - rata control Tola Ho
23 8/9/01 Review Distribusi Rumus PDF Uniform Disrit Rumus PDF Uniform Kontinu f ( x) 1 b - a 1 f 1 ( x) - x dimana : x = a, a + 1, a +, a + 3,..., b 1, b a = batas bawah b = batas atas f ( x ) 0 Rumus CDF Uniform Kontinu x - F( x) x 0 Review Distribusi Parameter Uniform Disrit yaitu : a dan b ; a dan b bilangan bulat a b MEAN m STANDAR DEVIASI ( b - a 1) 1-1 Rumus PDF Uniform Kontinu Parameter Distribusi Seragam ada, yaitu : a dan b Estimator : α = x minimum β = x masimum MEAN m STANDAR DEVIASI 1 3
24 8/9/01 UNIFORM DISKRIT Distr. Peluang Disrit adalah suatu tabel/rumus yg mencantuman semua emunginan nilai suatu variabel aca disrit beriut peluangnya. Distribusi Seragam/UNIFORM adalah suatu distribusi yg mengestimasi probabilitas munculnya suatu nilai disrit tertentu dari suatu variabel dimana semua nilai-nilai tersebut memilii peluang pemunculan yang sama. UNIFORM KONTINU Distr. Peluang Kontinu adalah suatu tabel/rumus yg mencantuman semua emunginan nilai suatu variabel aca ontinu beriut peluangnya. Distribusi Seragam/UNIFORM adalah suatu distribusi yang mengestimasi probabilitas munculnya suatu nilai ontinu tertentu dari suatu variabel dimana semua nilai-nilai tersebut memilii peluang pemunculan yang sama. 4
25 8/9/01 SEMOGA BERHASIL DI UAS 5
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 terperinciSah Tidaknya Sidik Ragam. Data Bermasalah. Data Bermasalah PERANCANGAN PERCOBAAN (DATA BERMASALAH)
Sah Tidanya Sidi Ragam PERANCANGAN PERCOBAAN (DATA BERMASALAH) Oleh: Dr. Ir. Dirvamena Boer, M.Sc.Agr. HP: 081 385 065 359 Universitas Haluoleo, Kendari dirvamenaboer@yahoo.com http://dirvamenaboer.tripod.com/
Lebih terperinciII. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode
3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciAnalisis Varians = Analysis of Variance = ANOVA
. Pendahuluan. Distribusi F Analisis Varians Analysis of Variance ANOVA χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A.
Lebih terperinciBAB 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 terperinciAnalisis Varians = Analysis of Variance = ANOVA
Analisis Varians Analysis of Variance ANOVA. Pendahuluan. Distribusi F χ² pengujian beberapa (>) proporsi ANOVA pengujian beberapa (>) nilai rata-rata Dasar perhitungan ANOVA ditetapan oleh Ronald A. Fisher.
Lebih terperinciBAB III METODE SCHNABEL
BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan
Lebih terperinciDISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1. Distribusi Seragam Diskrit
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1 TI2131 TEORI PROBABILITAS MINGGU KE-9 Distribusi Seragam Disrit Jia sebuah variabel random X mengambil nilai x 1, x 2,, x dengan probabilitas yang sama, maa distribusi
Lebih terperinci( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang
LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
Lebih terperinciUji Perbandingan Ganda. Arum Handini Primandari, M.Sc.
Uji Perbandingan Ganda (Multiple Comparison) Arum Handini Primandari, M.Sc. Beberapa uji perbandingan ganda: Uji BNT/LSD Uji Tukey Uji Duncan Uji Bonferroni H : dengan i, j 1,2,..., t dan i j H 0 1 i :
Lebih terperinciDeret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bagian landasan teori ini aan dibahas materi-materi aa saja yang menunjang materi yang dibahas ada bab selanjutnya. Adaun materi-materi tersebut adalah analisis variansi, metode
Lebih terperinciPenggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler
Penggunaan Indusi Matematia untu Mengubah Deterministic Finite Automata Menjadi Espresi Reguler Husni Munaya - 353022 Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperinciPENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR
PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR Ngarap Im Mani 1) dan Lim Widya Sanjaya ), 1) & ) Jurs. Matematia Binus University PENGANTAR Perancangan percobaan adalah suatu
Lebih terperinciBAB III LANDASAN TEORI
11 BAB III LANDASAN TEORI 3.1 Tinjauan Statistik 3.1.1 Analisis Deskriptif Analisis statistik deskriptif adalah suatu metode analisis yang merupakan teknik mengumpulkan, mengolah, menyederhanakan, menyajikan
Lebih terperinciKORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciANALISIS 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciBAB 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 terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciRancangan Petak Terbagi
Rancangan Peta Terbagi Ade Setiawan 009 Percobaan Split-plot merupaan superimpose dari dua jenis satuan percobaan dimana rancangan lingungan untu eduanya bisa sama ataupun berbeda. Satuan percobaan untu
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut
Lebih terperinciJika Ho ditolak berarti ada minimal satu mean yang berbeda nyata dengan yang lain :
perlu dilakukan pengujian lanjutan melacak perbedaan diantara nilai-nilai rerata perlakuan uji perbandingan berganda: LSD : least Significant Difference Uji Tukey : Honestly Significant Difference DMRT
Lebih terperinciBAB 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 terperinciTUGAS I RANCANGAN PERCOBAAN BAB I
TUGAS I RANCANGAN PERCOBAAN Nama : Dwi Shinta Marselina A. Pengertian Desain Esperimen BAB I Desain Esperimen Merupaan langah-langah lengap yang perlu di ambil jauh sebelum esperimen dilauan supaya data
Lebih terperinciBAB 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 terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinci3. Sebaran Peluang Diskrit
3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.
Lebih terperinciBAB 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 terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinci2) Ukuran Data Tidak Sama k n i T 2.. JKT = X 2 ij - i=1 j=1 N k JKK = T 2 i. T 2.. i=1 n i N JKG = JKT - JKK Sumber Jumlah db Kuadrat Tengah F. Hitun
MODUL DISTRIBUSI F (ANOVA) I. PENDAHULUAN Ditemukan oleh seorang ahli statistik yang bernama R.A. Fisher pada tahun 1920. Distribusi F/ANOVA adalah prosedur statistika untuk mengkaji (mendeterminasi) apakah
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperinciBEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman
JMP : Volume 4 Nomor 2, Desember 2012, hal. 271-278 BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE Triyani dan Irham Taufiq Universitas Jenderal Soedirman trianisr@yahoo.com.au ABSTRACT.
Lebih terperinciSISTEM 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 terperinciAgar Xn berperilaku acak yang dapat dipertanggungjawabkan :
ara memperoleh data Zaman dahulu, dgn cara : 1. Melempar dadu 2. Mengoco artu Zaman modern (>1940), dgn cara membentu bilangan aca secara numeri/ aritmati(menggunaan omputer), disebut Pseudo Random Number
Lebih terperinciBAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.
BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Ruang Vetor Nyata. Subruang. Kebebasan Linier 4. Basis dan Dimensi 5. Ruang Baris, Ruang Kolom dan Ruang Nul 6. Ran dan Nulitas
Lebih terperinciMATA KULIAH METODE RUNTUN WAKTU. Oleh : Entit Puspita Nip
MAA KULIAH MEODE RUNUN WAKU Oleh : Entit Puspita Nip 08 JURUSAN PENDIDIKAN MAEMAIKA FAKULAS PENDIDIKAN MAEMAIKA DAN ILMU PENGEAHUAN ALAM UNIVERSIAS PENDIDIKAN INDONESIA 00 //00 Entit Puspita BEBERAPA KONSEP
Lebih terperinciIDENTIFIKASI 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 ObjePenelitian Obje penelitian merupaan hal yang tida dapat dipisahan dari suatu penelitian. Obje penelitian merupaan sumber diperolehnya data dari penelitian yang dilauan.
Lebih terperinciAplikasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingkungan Kerja
Apliasi Analisis Korelasi Somers d pada Kepemimpinan dan Kondisi Lingungan Kerja terhadap Kinerja Pegawai BKKBN Provinsi Kalimantan Timur The Application of Somers d Correlation Analysis at Leadership
Lebih terperinciBAB 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 terperinci2. Menentukan koleksi inti ubi kayu dan mengevaluasi kebaikan koleksi inti yang diperoleh. METODE. Data
2 2. Menentuan olesi inti ubi ayu dan mengevaluasi ebaian olesi inti yang dieroleh. METODE Data Data yang digunaan dalam enelitian ini berasal dari Kelomo Peneliti Pengelolaan Sumberdaya Geneti (Kelti
Lebih terperinciPengujian One-Way ANOVA dengan manual dan dilengkapi analisis dengan SPSS 19 SOWANTO-KEMPO ANALYSIS OF VARIANS (ANOVA)
ANALYSIS OF VARIANS (ANOVA) A. Memahami ANOVA Analysis of variance (ANOVA) atau Analisis Variansi (ANAVA) adalah tehnik statistik yang dikembangkan dan diperkenalkan pertama kali oleh Sir. R. A. Fisher.
Lebih terperinciBAB 3 METODE PENELITIAN
36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciBAB 3 PRINSIP SANGKAR BURUNG MERPATI
BAB 3 PRINSIP SANGKAR BURUNG MERPATI 3. Pengertian Prinsip Sangar Burung Merpati Sebagai ilustrasi ita misalan terdapat 3 eor burung merpati dan 2 sangar burung merpati. Terdapat beberapa emunginan bagaimana
Lebih terperinciOleh: Lulut Sunarya ( ) Ghufran Rahmat Putra ( ) Debbiela Fajrina Septierly ( ) Miranti Nurbayani ( )
LAPORAN Analisis Perbedaan Rata-Rata Menggunakan Uji Scheffe Laporan ini diajukan untuk memenuhi tugas mata kuliah Desain Eksperimen I Dosen : Yeny Krista Franty, S.Si., M.Si. Oleh: Lulut Sunarya (140610009007)
Lebih terperinciUsulan Level Faktor Variasi Bahan untuk Mencapai Kuat Tekan Beton 50 Mpa dengan Metode Perancangan Eksperimen *
Rea Integra ISSN: 338-508 Teni Industri Itenas No. Vol. 0 Jurnal Online Institut Tenologi Nasional Otober 03 Usulan Level Fator Variasi Bahan untu Mencapai Kuat Tean Beton 50 Mpa dengan Metode Perancangan
Lebih terperinciModel Geographically Weighted Negative Binomial Regression (GWNBR) untuk Data Kejahatan
Model Geographically Weighted Negative Binomial Regression (GWNBR) untu Data Kejahatan (Studi Kasus 38 Kabupaten/Kota di Jawa Timur) Herlin Venny Johannes 1,a), Septiadi Padmadisastra,b), Bertho Tantular
Lebih terperinciMENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE
MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK
Lebih terperinci- Persoalan nilai perbatasan (PNP/PNB)
PENYELESAIAN NUMERIK PERSAMAAN DIFERENSIAL Persamaan diferensial biasanya digunaan untu pemodelan matematia dalam sains dan reayasa. Seringali tida terdapat selesaian analiti seingga diperluan ampiran
Lebih terperinciBAB 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 terperinciPenempatan 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 terperinciBAB 2 TINJAUAN TEORI
BAB 2 TINJAUAN TEORI 2.1 Rancangan Percobaan Percobaan didefinisikan sebagai suatu uji coba (trial) atau pengamatan khusus yang dibuat untuk menegaskan atau membuktikan keadaan dari sesuatu yang meragukan,
Lebih terperinciRINGKASAN 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.
Lebih terperinciINTEGRAL 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 terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciIII. 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 terperinciPENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )
PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursati (13507065) Program Studi Teni Informatia, Seolah Teni Eletro dan Informatia, Institut Tenologi Bandung Jalan Ganesha No. 10 Bandung, 40132
Lebih terperinciPENCARIAN 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 terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Watu : 1x 3x 50 Menit Pertemuan : 7 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belaang PENDAHULUAN Sistem biometri adalah suatu sistem pengenalan pola yang melauan identifiasi personal dengan menentuan eotentian dari arateristi fisiologis dari perilau tertentu yang dimilii
Lebih terperinciBAB 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 terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen
Lebih terperinciNeural Network menyerupai otak manusia dalam dua hal, yaitu:
2.4 Artificial Neural Networ 2.4.1 Konsep dasar Neural Networ Neural Networ (Jaringan Saraf Tiruan) merupaan prosesor yang sangat besar dan memilii ecenderungan untu menyimpan pengetahuan yang bersifat
Lebih terperinciMATA 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 terperinciPENAKSIR YANG EFISIEN DARI KOMBINASI PENAKSIR RASIO-PRODUK UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA. Mahasiswa Program S1 Matematika
PEAKIR AG EFIIE DARI KOMIAI PEAKIR RAIO-PRODUK UTUK RATA-RATA POPUAI PADA AMPIG ACAK ERTRATA tevani amosir * Arisman Adnan Haposan irait Maasisa Program Matematia Dosen Jurusan Matematia Faultas Matematia
Lebih terperinciCATATAN KULIAH RISET OPERASIONAL
CATATAN KULIAH RISET OPERASIONAL Pertemuan minggu pertama ( x 50 menit) Pemrograman Bulat Linear (Integer Linear Programming - ILP) Tuuan Instrusional Umum : Mahasiswa dapat menggunaan algoritma yang
Lebih terperinciMETODE TAGUCHI UNTUK OPTIMALISASI PRODUK PADA RANCANGAN FAKTORIAL. Staf Pengajar Program Studi Statistika FMIPA UNDIP
Optimalisasi Produ (Triastuti Wuryandari) METODE TAGUCHI UNTUK OPTIMALISASI PRODUK PADA RANCANGAN FAKTORIAL Triastuti Wuryandari 1, Tati Widiharih 2, Sayeti Dewi Anggraini 3 1,2 Staf Pengajar Program Studi
Lebih terperinciBAB II KONSEP DAN DEFINISI
6 BAB II KONSEP DAN DEFINISI Pada bab ini aan dijelasan onsep dan definisi-definisi yang digunaan dalam metode pada penelitian ini. 2.1 DATA TRANSAKSI isalan = { 1, 2, 3,..., } adalah himpunan semua produ
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas
Lebih terperinciMetode Penggerombolan Berhirarki
4 TINJAUAN PUSTAKA Analisis gerombol dalam bidang riset pemasaran sering diistilahan sebagai analisis segmentasi, merupaan alat statistia peubah ganda yang bertujuan untu mengelompoan n indiidu data e
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID
APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Fuzzy 2.1.1 Dasar-Dasar Teori Fuzzy Secara prinsip, di dalam teori fuzzy set dapat dianggap sebagai estension dari teori onvensional atau crisp set. Di dalam teori crisp
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinciPenentuan 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 terperinciBAB 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 terperinciRuang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya
J. Math. and Its Appl. ISSN: 1829-605X Vol. 2, No. 1, May. 2005, 37 45 Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya Sadjidon Jurusan Matematia Institut Tenologi Sepuluh Nopember,
Lebih terperinci1. Persentasi penyerapan zat besi dari tiga jenis makanan sebagai berikut (data fiktif)
TUGAS ANALISIS REGRESI (Hal 31-33) NAMA : FADLAN WIDYANANDA NIM : 201432005 SESI : 03 1. Persentasi penyerapan zat besi dari tiga jenis makanan sebagai berikut (data fiktif) Roti Roti + Kedele Roti + Kedele
Lebih terperinciPerbedaan Analisis Univariat dan Multivariat
Perbedaan Analisis Univariat dan Multivariat Jika kita menganalisis data yang mempunyai lebih dari satu variabel, belum tentu analisis data tersebut dikategorikan analisis multivariat, bisa saja analisis
Lebih terperinci4.4 ANALISA VARIANS (ANOVA)
. ANALISA VARIANS (ANOVA) Anova banyak macamnya iantaranya: anova satu jalur; anova ua jalur. Anova satu jalur igunakan untuk perbeaan mean ari lebih ua sampel atau apat igunakan untuk uji perbeaan variabel
Lebih terperinci4 Departemen Statistika FMIPA IPB
Suplemen Responsi Petemuan ANALISIS DATA KATEGORIK (STK351) 4 Depatemen Statistia FMIPA IPB Poo Bahasan Sub Poo Bahasan Refeensi Watu Ui Hipotesis Tiga Contoh atau Lebih Ui Fiedman (analisis agam dua-aah
Lebih terperinciPerhitungan Kehilangan Pratekan Total dengan Memakai Teori Kemungkinan ABSTRAK
Jurnal APLIKASI Volume 5, Nomor 1, Agustus 2008 Perhitungan Kehilangan Pratean Total dengan Memaai Teori Kemunginan M. Sigit Darmawan Dosen Jurusan Diploma Teni Sipil, FTSP - ITS Email: msdarmawan@ce.its.ac.id
Lebih terperinciJARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA
JARINGAN SARAF TIRUAN PROPAGASI BALIK UNTUK KLASIFIKASI DATA Giri Dhaneswara 1) dan Veronica S. Moertini 2) Jurusan Ilmu Komputer, Universitas Katoli Parahyangan, Bandung Email: 1) rebirth_82@yahoo.com,
Lebih terperinciANALISIS KINERJA ALGORITMA FOLD-GROWTH DAN FP-GROWTH PADA PENGGALIAN POLA ASOSIASI
Seminar Nasional Apliasi Tenologi Informasi 26 (SNATI 26) ISSN: 97-522 Yogyaarta, 7 Juni 26 ANALISIS KINERJA ALGORITMA FOLD-GROWTH DAN FP-GROWTH PADA PENGGALIAN POLA ASOSIASI Rully Soelaiman, Ni Made Arini
Lebih terperinciLAMPIRAN. Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama
48 LAMPIRAN Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama No. ID Sapi... Selanjutnya Ke Tanggal Tanggal Kawin Pertama Jumlah Servis (Kali) Service Period Lama Kosong Selang 1 776 1 13/08/2009
Lebih terperinciSTUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT
TUGAS AKHIR STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT 040803023 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciSOLUSI BAGIAN PERTAMA
SOLUSI BAGIAN PERTAMA 1. 13.. 931 3. 4 9 4. 63 5. 3 13 13 6. 3996 7. 1 03 8. 3 + 9 9. 3 10. 4 11. 6 1. 9 13. 31 14. 383 8 15. 1764 16. 5 17. + 7 18. 51 19. 8 0. 360 1 SOLUSI BAGIAN PERTAMA Soal 1. Misalan
Lebih terperinciAnalisis Varians Satu Arah (One Way Anova)
Analisis Varians Satu Arah (One Way Anova) Fungsi Uji : Untuk mengetahui perbedaan antara 3 kelompok/ perlakuan atau lebih Asumsi : Data berskala minimal interval Data berdistribusi Normal Varians data
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA 21 Manajemen Polusi Polusi yang diaibatan oleh suatu perusahaan arena tida adanya eteraitan antar area dalam proses produsi yang bai Hasil dari produsi tersebut adalam produ yang
Lebih terperinciAnalisa Drop Tegangan dan Susut Daya pada Jaringan Listrik Penyulang Renon Menggunakan Metode Artificial Neural Network
Analisa Drop Tegangan dan Susut Daya pada Jaringan Listri Penyulang Renon Menggunaan Metode Artificial Neural Networ I Gede Dyana Arana Jurusan Teni Eletro Faultas Teni, Universitas Udayana Denpasar, Bali,
Lebih terperinciPENAKSIR RASIO-PRODUK EKSPONENSIAL YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA
PENAIR RAIO-PRODU EPONENIAL YANG EFIIEN UNTU RATA-RATA POPULAI PADA AMPLING ACA BERTRATA Dess Nuralita 1*, Ruam Efendi, Haposan irait 1 Maasiswa Program 1 Matematia Dosen Jurusan Matematia Faultas Matematia
Lebih terperinciImplementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf
JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan
Lebih terperinci