Pemodelan Biaya Tak Langsung Proyek Konstruksi di PT Wijaya Karya (Studi Kasus: Proyek Konstruksi Di Provinsi Kalimantan Timur)
|
|
- Iwan Kartawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Pemodelan Biaya Tak Langsung Proyek Konstruksi di PT Wijaya Karya (Studi Kasus: Proyek Konstruksi Di Provinsi Kalimantan Timur) Odik Fajrin Jayadewa, Dr. Irhamah, S.Si, M.Si, dan 3 Dwi Endah Kusrini, S.Si, M.Si Jurusan Statistika, FMIPA, Institut Teknologi Seuluh Noember (ITS) Jl. Arief Rahman Hakim, Surabaya 6 Indonesia odikfj@gmail.com, irhamah@statistika.its.ac.id, 3 dwi_endah@statistika.its.ac.id Abstrak Salah satu faktor yang menentukan keberhasilan erusahaan jasa konstruksi dalam mengikuti tender royek dan menyelesaikan royek konstruksi dengan teta menghasilkan rofit yang cuku adalah seberaa akurat biaya konstruksi yang diestimasi. Biaya tak langsung meruakan salah satu komonen biaya konstruksi. Penelitian ini bertujuan untuk memodelkan biaya tak langsung royek (Y) berdasarkan variabel-variabel yang memengaruhinya yaitu nilai royek (X ) dan durasi waktu elaksanaan royek (X ). Pemodelan yang dilakukan ada enelitian ini diantaranya yaitu emodelan regresi linear serta emodelan regresi non linear dengan menggunakan Algoritma Levenberg-Marquardt dan Algoritma Genetika sebagai metode enaksir arameter model. Selanjutnya ketiga model tersebut dibandingkan berdasarkan kriteria kebaikan model yaitu nilai RMSE. Dari hasil analisis disimulkan bahwa model yang menggunakan Algoritma Genetika sebagai metode estimasi arameter meruakan model yang aling teat untuk memodelkan hubungan antara rasio biaya tak langsung royek dengan nilai royek dan durasi waktu elaksanaan royek karena memiliki nilai RMSE terkecil. Kata Kunci Algoritma Genetika, Algoritma Levenberg- Marquardt, Biaya tak langsung, Regresi Linear, Regresi Nonlinear. I. PENDAHULUAN KURASI estimasi biaya konstruksi meruakan salah Asatu hal terenting yang menentukan keberhasilan erusahaan jasa konstruksi dalam mengikuti tender royek dan menyelesaikan royek konstruksi dengan teta menghasilkan rofit yang cuku. Komonen biaya konstruksi terdiri dari biaya langsung dan biaya tak langsung []. Berbeda halnya dengan biaya langsung, ada biaya tidak langsung mengandung unsur ketidakastian yang cenderung lebih tinggi. Hal ini dikarenakan biaya tak langsung sangat diengaruhi oleh beberaa faktor yaitu lokasi, waktu elaksanaan, nilai royek serta situasi dan kondisi dimana royek berada. Estimasi biaya tak langsung yang dilakukan oleh erusahaan jasa konstruksi seringkali didasarkan ada engalaman mauun intuisi dari seorang estimator []. Penentuan biaya tak langsung tana melalui endekatan ilmiah yang logis dan sitematis seerti itu tidak jarang menyebabkan terjadinya kesalahan dalam enawaran harga ketika mengikuti tender mauun dalam elaksanaan royek di laangan. Pentingnya akurasi estimasi biaya tak langsung memicu munculnya enelitian mengenai emodelan biaya tak langsung. Penelitian mengenai estimasi biaya tidak langsung ada royek konstruksi dilakukan oleh Soemardi dan Kusumawardani [3] serta Rahadian [4] dan Yusuf [5] yang memodelkan hubungan biaya tak langsung dengan nilai royek konstruksi. Sementara itu ada enelitian tentang emodelan biaya tak langsung royek-royek bangunan air [], selain menggunakan nilai royek sebagai variabel rediktor juga melibatkan faktor-faktor lain yang memengaruhi biaya tak langsung seerti jenis royek, lokasi royek dan durasi royek. Penelitian ini menggunakan analisis regresi linear berganda untuk memodelkan biaya tak langsung berdasarkan variabelvariabel rediktor tersebut. Mengacu ada enelitian Rahadian [4] dan Yusuf [5] diduga enyebab kecilnya nilai R ada model tersebut disebabkan karena adanya hubungan nonlinear antara biaya tak langsung dengan variabelvariabel yang memengaruhi. Metode alternatif untuk menjelaskan hubungan nonlinear antara variabel reson dan rediktor yaitu regresi nonlinear. Penaksiran arameter regresi nonlinear daat dilakukan dengan menggunakan endekatan Ordinary Least Square (OLS) yaitu dengan meminimumkan Sum Square Error (SSE). Salah satu metode yang sering digunakan untuk menaksir estimator kuadrat terkecil dalam regresi nonlinear yaitu Algoritma Levenberg-Marquardt. Namun dalam rakteknya terdaat kesulitan dalam mengestimasi nilai arameter dari suatu model regresi non linear. Agar lebih raktis dalam menentukan titik otimum maka erlu digunakan metode otimasi. Salah satu metode yang daat digunakan untuk menyelesaikan ermasalahan tersebut yaitu dengan menggunakan endekatan Algoritma Genetika. PT Wijaya Karya meruakan salah satu erusahaan konstruksi milik emerintah yang memainkan eran utama dalam embangunan nasional. Proyek-royek konstruksi yang dikerjakan oleh PT Wijaya Karya meliuti irigasi, jalan tol, jembatan, elabuhan, bandara, gedung bertingkat, aartemen, embangkit tenaga listrik, abrik dan fasilitas industri lainnya. Proyek yang ditangani oleh PT Wijaya Karya tersebar di beberaa wilayah di Indonesia diantaranya yaitu Provinsi Kalimantan Timur. Berdasarkan uraian di atas maka ada enelitian ini dilakukan estimasi arameter regresi nonlinear menggunakan Algoritma Genetika ada emodelan biaya tak langsung royek konstruksi di PT Wijaya Karya yang berada di Provinsi Kalimantan Timur. Hasil dari emodelan tersebut akan dibandingkan dengan emodelan biaya tak langsung royek konstruksi dengan metode regresi linear dan metode regresi non linear yang menggunakan Algoritma Levenberg-Marquardt dalam estimasi arameternya. II. TINJAUAN PUSTAKA A. Analisis Regresi Analisis regresi meruakan salah satu alat statistika yang menggunakan hubungan antara dua atau lebih variabel kuantitatif untuk memrediksi salah satu variabel dari variabel lainnya [6].
2 Y = β + β X + β X + β 3 X β X () Y X, X, X 3,, X β, β, β,., β ε = variabel reson = variabel rediktor = arameter regresi = error B. Pengujian Parameter Model Regresi Dalam engujian arameter regresi terdaat dua uji yang harus dilakukan untuk mengetahui signifikansi dari variabel bebas yaitu : engujian secara serentak, serta engujian secara individu. Koefisien regresi diuji secara serentak dengan menggunakan ANOVA, untuk mengetahui aakah secara bersama-sama memunyai engaruh yang signifikan terhada model. Hiotesis dari engujian ini adalah : H : β = β = = β = H : minimal terdaat satu β j, j =,,3,, meruakan jumlah arameter yang terdaat di dalam model regresi. Statistik uji yang digunakan adalah : RK Regresi F Hitung = () RK Residual Aabila F Hitung > F α(v,v) maka H ditolak artinya aling sedikit ada satu β yang tidak sama dengan nol atau aling sedikit ada satu dari variabel bebas yang memiliki engaruh yang signifikan terhada variabel reson. Uji individu digunakan untuk menguji aakah nilai koefisien regresi memunyai engaruh yang signifikan. Hiotesis dari engujian secara individu adalah : H : β i = H : β i, i =,,, k Statistik uji yang digunakan adalah : t Hitung ˆ β = (3) stdev i ( ˆ β ) Aabila nilai t Hitung > t (α/,n-k), maka H ditolak artinya variabel indeenden ke i memberikan engaruh yang signifikan terhada variabel reson. C. Evaluasi Kesesuaian Model Regresi Linear Dalam evaluasi kesesuaian model regresi linear uji asumsi yang dilakukan antara lain uji Durbin-Watson, Uji Glejser, Uji Kolmogorov-Smirnov, Nilai VIF (Variance Inflation Factor) dan Uji Ramsey RESET. Nilai Durbin-Watson (d) daat dihitung sebagai berikut. d 4 ( ei ei ) i= = 4 Uji Glejser dilakukan dengan meregresikan variabelvariabel rediktor terhada nilai absolut residual dari model regresi yang dieroleh sebelumnya dengan meregresikan variabel-variabel rediktor terhada variabel reson. interretasi heteroskedastisitas dilakukan dengan melihat signifikansi antara setia variabel rediktor secara arsial i= e i i (4) terhada nilai absolut residual. Gangguan heteroskedastisitas terjadi jika minimal ada satu variabel rediktor yang berengaruh yang signifikan terhada nilai absolut residual. Uji Kolmogorov-Smirnov dilakukan untuk mengetahui aakah residual berdistribusi normal atau tidak. Hiotesis yang akan diuji adalah sebagai berikut. H : F(x) = F (x) H : F(x) F (x) Statistik uji yang digunakan adalah sebagai berikut. D = su S(x)-F (x) (5) D = jarak vertikal terjauh antara F (x) dan S(x) S(x) = fungsi eluang kumulatif yang dihitung dari data samel F (x) = fungsi distribusi yang dihiotesiskan (distribusi normal) F(x) = fungsi distribusi yang belum diketahui Hiotesis nol ditolak jika D > D (-α, n) dengan α adalah taraf signifikansi dan n adalah ukuran samel. Nilai VIF digunakan untuk mendeteksi multikolinearitas. VIF mengukur seberaa besar varians dari suatu koefisien regresi yang diestimasi meningkat aabila variabel rediktor berkorelasi. Nilai VIF dieroleh dengan cara meregresikan setia variabel rediktor dengan variabel-variabel rediktor yang lain. Misal untuk rediktor x nilai VIF daat dihitung sebagai berikut. VIF = (6) R ( x ) Langkah-langkah dalam Uji Ramsey s RESET adalah sebagai berikut: i. Meregresikan y t ada, x,, x dan menghitung nilai nilai taksiran variabel reson ŷ yaitu t yˆ t + βx = β β x (7) ii. Menghitung koefisien determinasi dari model regresi ada oin (i), yaitu R, dan selanjutnya dinotasikan dengan R old. iii. Meregresikan y t ada, x,, x dan rediktor 3 tambahan, yaitu y dan ˆt y, dengan model yˆ t ˆt 3 + βx ˆ ˆ β x + αyt α yt = β + (8) iv. Menghitung koefisien determinasi dari model regresi ada oin (ii), yaitu R, dan selanjutnya dinotasikan dengan R new. v. Menghitung nilai uji F, yaitu F = ( R new R old ) m ( R new ) ( n m) m = banyaknya rediktor tambahan = banyaknya rediktor awal n = jumlah engamatan yang digunakan (9)
3 3 Hiotesis yang digunakan dalam uji non linearitas adalah : H : f (X ) adalah fungsi linear dalam X atau model linear H : f (X ) adalah fungsi non linear dalam X atau model non linear H ditolak yang berarti model non linear adalah yang sesuai, jika F > F α ;(df=m, df=n m). D. Regresi Nonlinear Model regresi nonlinear tidak linear dalam arameter dan tidak daat di-linear-kan dengan cara transformasi [6]. Jika suatu model tidak linear dalam arameter maka model tersebut meruakan suatu model regresi nonlinear. Beberaa model kelihatan nonlinear dalam arameter namun secara instrinsik linear karena dengan transformasi yang teat model tersebut daat di-linear-kan dalam arameter model regresi. Akan tetai aabila model tersebut tidak daat dilinear-kan dalam arameter maka disebut model regresi nonlinear secara intrinsik [7]. Secara umum model regresi nonlinear daat ditulis sebagai berikut [8]: ( X ) ε Y = f,θ + () Y = variabel deenden X = vektor dari variabel indeenden berukuran n x θ = vektor dari arameter nonlinear berukuran k x ε = random error Dalam enelitian ini digunakan beberaa model regresi non linear yaitu model dalam ersamaan () dan () berikut. β x + β x y () = αe ( ln( x + β ) ( x )) y = α β () ln E. Algoritma Levenberg-Marquardt Dasar eneraan dari Algoritma Levenberg-Marquardt adalah dalam ermasalahan encocokan kurva kuadrat terkecil yaitu aabila dari sekumulan m asangan data variabel indeenden dan variabel deenden (x i, y i ), ingin dilakukan engotimalan arameter β dari kurva model f(x,β) sehingga jumlah kuadrat dari deviasi ada ersamaan (3) menjadi minimal. m ( ) = [ yi f ( x i, β )] S β (3) i= Seerti halnya algoritma minimasi numerik yang lain, Algoritma Levenberg-Marquardt meruakan suatu rosedur iteratif. Untuk memulai suatu minimasi, eneliti harus menyediakan suatu nilai taksiran inisial untuk vektor arameter β. Dalam kasus dengan hanya satu minimum, suatu taksiran standart yang tak diinformasikan seerti β T = (,,...,) akan bekerja dengan baik. Sementara itu dalam kasus dengan minima ganda, algoritma hanya akan konvergen jika nilai taksiran inisial telah mendekati solusi akhir. F. Algoritma Genetika Algoritma Genetika ditemukan ertama kali oleh John Holland dengan tujuan awal untuk embelajaran formal mengenai fenomena adatasi yang terjadi di alam dan mengembangkan mekanisme tentang adatasi alami yang diterakan dalam sistem komuter. Algoritma Genetika yang digagas oleh Holland adalah metode emindahan kromosom dari satu oulasi ke oulasi lain menggunakan seleksi alam dengan oerator insirasi genetik tentang cross over, mutasi dan inversi [9]. Ada 7 komonen dalam Algoritma Genetika, yaitu []: i. Skema Pengkodean ii. Nilai Fitnes iii. Seleksi Orang Tua iv. Pindah Silang (Crossover) v. Mutasi vi. Elitisme vii.penggantian Poulasi (Generational Relacement). G. Biaya Tak Langsung Biaya tak langsung adalah biaya yang tidak terkait langsung dengan volume ekerjaan yang meliuti biaya overhead, ajak, dan biaya contingency []. Komonenkomonen biaya tidak langsung yaitu: i. Pajak (Taxes) ii. Kondisi Umum (General Condition) iii. Biaya Resiko (Risk) yang terdiri dari dua kategori yaitu Keuntungan (Profit) dan Biaya Tak Terduga (Contigency Fee). Adaun faktor-faktor yang memengaruhi biaya tak langsung royek antara lain []: Jenis Proyek, Lokasi Proyek, Durasi Proyek dan Nilai Kontrak Proyek. III. METODOLOGI PENELITIAN A. Sumber Data Data yang digunakan dalam enelitian ini adalah data sekunder yang dieroleh dari data royek konstruksi PT Wijaya Karya di Provinsi Kalimantan Timur dengan unit observasi yaitu royek ada tahun -. B. Variabel Penelitian Variabel enelitian yang digunakan dalam enelitian ini terdiri dari variabel reson (Y) yaitu rasio biaya tak langsung royek konstruksi (%) serta nilai royek konstruksi (miliar ruiah) (X ) dan durasi waktu elaksanaan royek (hari) (X ) sebagai variabel rediktor. C. Metode Analisis Data Dalam enelitian ini dilakukan langkah-langkah analisis data sebagai berikut.. Untuk memeroleh model regresi linear biaya tak langsung royek konstruksi dilakukan langkah-langkah analisis sebagai berikut : a. Mendeskrisikan data royek konstruksi dengan statistika deskritif. b. Melakukan analisis hubungan antara variabel reson dan variabel rediktor. c. Memodelkan variabel reson y dengan variabel reson x dengan metode regresi linear. d. Mengevaluasi kesesuaian model regresi linear.. Melakukan enaksiran arameter model regresi nonlinear dengan menggunakan Algoritma Levenberg-Marquardt. 3. Melakukan enaksiran arameter model regresi nonlinear dengan menggunakan Algoritma Genetika. 4. Menghitung nilai RMSE dari masing-masing model dengan menggunakan nilai arameter yang dieroleh dari langkah dan 3.
4 4 5. Membandingkan model regresi linear, model regresi nonlinear yang dieroleh dari langkah dan model regresi nonlinear yang dieroleh dari langkah 3 berdasarkan nilai RMSE. IV. ANALISIS DAN PEMBAHASAN A. Analisis Hubungan antara Variabel Reson dan Variabel Prediktor Rasio Biaya Tak Langsung (%) Nilai Proyek (miliaran ruiah) Gambar. Scatterlot Hubungan antara Nilai Proyek (X ) dan Rasio Biaya Tak Langsung Proyek (Y) Gambar menunjukkan bahwa ola hubungan antara nilai royek (X ) dan rasio biaya tak langsung royek (Y) tidak linear. Scatterlot ada Gambar menunjukkan bahwa terdaat hubungan yang negatif antara nilai royek dan rasio biaya tak langsung royek. Sementara itu hubungan antara durasi waktu elaksanaan royek (X ) dan rasio biaya tak langsung royek (Y) memiliki ola yang tidak linear dan hubungan yang negatif yang ditamilkan ada Gambar. Pola hubungan yang tidak linear ada Gambar dan Gambar mengindikasikan bahwa terdaat encilan yakni data royek subkontraktor dan joint oeration. Rasio Biaya Tak Langsung (%) Durasi (hari) Gambar. Scatterlot Hubungan antara Durasi Waktu Pelaksanaan Proyek (X ) dan Rasio Biaya Tak Langsung Proyek (Y) Berdasarkan hasil erhitungan nilai korelasi ada Tabel diketahui bahwa hubungan antara X dan Y memiliki koefisien korelasi negatif yang rendah antara yaitu sebesar,44 dengan P-value sebesar,5. Hal ini menunjukkan bahwa adanya eningkatan nilai royek akan disertai dengan adanya enurunan rasio biaya tak langsung royek begitu ula sebaliknya. Dengan menggunakan taraf signifikansi (α) sebesar,5 dieroleh kesimulan tidak ada hubungan linear antara nilai royek dan rasio biaya tak langsung royek. Sedangkan koefisien korelasi antara Y dan X yaitu,554 dan bernilai negatif yang berarti semakin lama durasi waktu elaksanaan royek maka semakin rendah rasio biaya tak langsung royek begitu ula sebaliknya. Dengan menggunakan taraf signifikansi (α) sebesar,5 dieroleh kesimulan tolak H karena P-value < α yang berarti ada hubungan linear antara durasi waktu elaksanaan royek dan rasio biaya tak langsung royek. Tabel. Nilai Korelasi antar Variabel Penelitian Variabel Variabel Reson Prediktor Nilai Korelasi Pearson P-value Y X -,44,5 Y X -,554,4 B. Model Regresi Linear Ada 4 emodelan regresi linear, yang ertama dan kedua adalah model regresi antara variabel reson dan masingmasing variabel rediktor ( Y dengan X dan Y dengan X ). Model ketiga adalah model regresi antara variabel reson dengan kedua variabel rediktor (Y dengan X dan X ). Dan model keemat meruakan bentuk linear dari model regresi β nonlinear x + βx y = αe. Karena adanya data encilan yakni data royek subkontraktor dan joint oeration maka ada emodelan regresi linear ini dilakukan dua emodelan, yang ertama tana melibatkan data royek subkontraktor dan joint oeration (n=) dan yang kedua melibatkan semua data royek (n=4). Masing-masing emodelan nantinya terdiri dari 4 model regresi linear seerti yang disebukan di atas. N o 3 4 Tabel. Outut Model Regresi Linear Tana Melibatkan Data Proyek Subkontraktor dan Joint Oeration Model Prediktor Koefisien P- value RMSE R Y = β + β X Konst.,3, X -,87,7 4,47,3 Y = β + β X Y = β + β X + β X ln Y = ln β + β X + β X Konst. 3,,5 X -,67,54 4,573,44 Konst. 3,,8 X,8,99 4,698,44 X -,68,65 Konst.,7. X,3,68 4,5383,8 X -,43,337 Tabel 3. Outut Model Regresi Linear Dengan Melibatkan Semua Data Proyek N P- Model Prediktor Koefisien o value RMSE R Y = β + β X Konst. 6.3,5 X -.36,5 9,77,63 Y = β + β X Konst X ,37, Y = β + β X + β X ln Y = ln β + β X + β X Konst. 4,8,7 X -,5,85 8,464,39 X -,7,57 Konst. 3,6. X,6,874 8,795,4 X -,35,67 Tabel menunjukkan bahwa dari keemat model regresi linear tidak ada model yang memiliki rediktor yang signifikan (α =,5). Oleh karena itu daat dikatakan kedua variabel rediktor ada emodelan tana melibatkan data ro royek subkontraktor dan joint oeration yakni nilai
5 5 royek subkontraktor dan joint oeration yakni nilai royek dan durasi waktu elaksanaan royek tidak signifikan berengaruh terhada rasio biaya tak langsung royek. Hal tersebut didukung oleh rendahnya nilai R dari keemat model. Sementara itu dari Tabel 3 diketahui bahwa dari keemat model regresi linear hanya ada model kedua yaitu y = 4,3 -,78 x yang memiliki rediktor yang signifikan (α =,5). Sementara itu berdasarkan nilai RMSE dari keemat model regresi linear yang disajikan ada Tabel 4, daat dikatakan bahwa model kedua meruakan model yang terbaik karena memiliki nilai RMSE terkecil yaitu 7,7. Hal ini didukung oleh hasil emodelan regresi linear terbaik dengan metode stewise dimana hanya terilih variabel rediktor X yang masuk dalam model. Dari hasil tersebut daat dikatakan hanya durasi waktu elaksanaan royek yang memengaruhi rasio biaya tak langsung royek. Interretasi dari model regresi tersebut yaitu setia eningkatan durasi waktu elaksanaan royek sebesar hari akan menyebabkan enurunan rasio biaya tak langsung sebesar,78%. Dengan nilai R sebesar 3,6% berarti model regresi tersebut hanya mamu menjelaskan hubungan antara variabel reson (Y) dan variabel rediktor (X ) sebesar 3,6% dari keragaman data. Rendahnya nilai R daat disebabkan karena adanya hubungan yang tidak linear antara variabel rediktor dengan variabel reson. Aabila memertimbangkan nilai royek selain durasi waktu elaksanaan royek sebagai variabel rediktor sesuai dengan enelitian yang telah dilakukan, maka berdasarkan Tabel 3 model regresi linear yang aling teat adalah model ketiga yaitu y = 4,8,5 x -,7 x. Interretasi dari model regresi tersebut yaitu setia eningkatan nilai royek sebesar miliar ruiah akan menyebabkan enurunan rasio biaya tak langsung sebesar,5% dan setia eningkatan durasi waktu elaksanaan royek sebesar hari akan menyebabkan enurunan rasio biaya tak langsung sebesar,7%. Adaun nilai RMSE dan R dari model tersebut masing masing sebesar 8,464 dan 3,9%. Nilai R dari model tersebut mengindikasikan bahwa model regresi tersebut hanya mamu menjelaskan hubungan antara variabel reson (Y) dan variabel rediktor (X dan X ) sebesar 3,9% dari keragaman data. Rendahnya nilai R daat disebabkan karena adanya hubungan yang tidak linear antara variabel rediktor dengan variabel reson. Berdasarkan Tabel 3 diinformasikan bahwa nilai P-value untuk masing-masing variabel rediktor X dan X yaitu,85 dan,57. Pada taraf signifikansi,5 disimulkan bahwa gagal tolak H yang berarti variabel X dan X tidak memiliki engaruh signifikan terhada variabel reson. C. Evaluasi Kesesuaian Model Regresi Linear Dalam analisis regresi linear berganda yang berbasis Ordinary Least Square (OLS) terdaat beberaa asumsi klasik diantaranya yaitu ε i ~ IIDN(,σ ), tidak terjadi multikolinearitas dan linearitas model. Dari hasil evaluasi kesesuaian model regresi linear tana melibatkan data royek Subkontraktor dan Joint Oeration diketahui bahwa tidak terjadi kasus autokorelasi, tidak terjadi kasus heteroskedastisitas, residual berdistribusi normal dan tidak terjadi kasus multikolinearitas. Sementara itu ada model regresi linear dengan melibatkan semua data royek dieroleh hasil evaluasi yaitu tidak terjadi kasus autokorelasi, terjadi kasus heteroskedastisitas, residual tidak berdistribusi normal, tidak terjadi kasus multikolinearitas. Selain itu dari hasil Uji Ramsey s RESET disimulkan bahwa model yang sesuai untuk menjelaskan hubungan antara nilai royek (X ) dan durasi waktu elaksanaan royek (X ) dengan rasio biaya tak langsung (Y) adalah model non linear. Oleh karena itu dalam analisis selanjutnya akan dilakukan emodelan regresi nonlinear yang melibatkan semua data royek. D. Estimasi Parameter Model Regresi Nonlinear dengan Menggunakan Algoritma Levenberg-Marquardt Estimasi arameter model regresi nonlinear dengan menggunakan metode Algoritma Levenberg-Marquardt menghasilkan outut yang ditamilkan ada Tabel 4. Adaun nilai inilisiasi arameter untuk model regresi nonlinear yang digunakan meruakan arameter yang dieroleh dari emodelan regresi linear yakni α = 4,8; β = -,5 dan β = -,7. Tabel 4. Outut Model Regresi Nonlinier dengan Menggunakan Algoritma Levenberg-Marquardt No Model Parameter RMSE R βx + βx y = αe α = 4,66 β = -,75 β = -,48,66,776 y = α β (ln(x + β ) - ln(x )) α = -74,575 β = -4,437 β = ,786,46 Pada Tabel 4 diinformasikan bahwa nilai RMSE untuk masing-masing model dan model berturut-turut yaitu,66 dan 6,786. Sementara itu nilai R untuk model sebesar,776 dan untuk model sebesar,46. Nilai RMSE model yang lebih kecil dariada model dan nilai R model yang lebih besar dariada model menunjukkan bahwa model meruakan model yang aling teat dari kedua model tersebut untuk memodelkan hubungan antara X dan X dengan Y. E. Estimasi Parameter Model Regresi Nonlinear dengan Menggunakan Algoritma Genetika Dalam enaksiran arameter model regresi nonlinear dengan menggunakan Algoritma Genetika terdaat beberaa tahaan yaitu ) reresentasi dan inisialisasi, ) menentukan fungsi objektif dan nilai fitness, 3) seleksi roulette wheel, dan 4) indah silang. β. Tahaan-tahaan iterasi akan berhenti ketika nilai fitness minimum sudah konvergen dari generasi sebelumnya dan selanjutnya. Tahaan-tahaan dalam Algoritma Genetika diuraikan sebagai berikut.. Reresentasi dan inisialisasi Nilai inisialisasi yang digunakan meruakan nilai arameter dari emodelan regresi nonlinear yaitu: β + β a. Untuk model y = αe x x digunakan nilai inisialisasi α = 4,66; β = -,75 dan β = -,48 b. Untuk model y = α β( ln( x + β ) ln( x )) digunakan nilai inisialisasi α = -74,575; β = - 4,437 dan β = Untuk mencari nilai RMSE yang minimum digunakan ukuran oulasi sebanyak. Struktur kromosom tersebut daat diilustrasikan ada Gambar 3. Kromosom 4,66 -,75 -,48 Gambar 3. Contoh Struktur Kromosom
6 6. Fungsi objektif dan nilai fitness Dalam enelitian ini digunakan fungsi RMSE sebagai fungsi objektif sedangkan nilai fitness yang digunakan adalah nilai RMSE. Nilai fitness tersebut dijadikan sebagai acuan untuk menyeleksi individu. Contoh untuk nilai fitness disajikan dalam Tabel 5. Tabel 5. Contoh Nilai Fitness Individu Kromosom Nilai Fitness 43,586 -,734 -,9 9,463 44,3359 -,4738 -,68 9,44 43,98 -,75 -,48,6 3. Seleksi roulette wheel Pada seleksi ini dilakukan erhitungan nilai fitness relatif (r k ) masing-masing kromosom terlebih dahulu. Sebagai contoh untuk nilai fitness sebesar 9,463 maka nilai fitness relatif (r k ) daat dihitung sebagai berikut. r = Fitness/Total Fitness =, r = Fitness/Total Fitness =, dan seterusnya hingga r. Kemudian menghitung nilai fitness kumulatif (k k ) sebagai berikut. k = r =, k = r =, dan seterusnya hingga k. Hasil erhitungan nilai fitness relatif (r k ) dan nilai fitness kumulatif (k k ) disajikan dalam Tabel 6. Tabel 6. Contoh Nilai Fitness Relatif dan Nilai Fitness Kumulatif Kromosom Fitness Relatif (r k ) Fitness Kumulatif (k k ),,,,, Setelah menghitung nilai fitness relatif dan nilai kumulatif untuk masing-masing kromosom selanjutmya yaitu membangkitkan bilangan random antara dan seba-nyak ukuran oulasi yaitu. Contoh bilangan acak yang digunakan disajikan ada Tabel 7. Bilangan acak ertama memunyai nilai sebesar,4. Nilai tersebut kurang dari k sehingga kromosom terilih sebagai kromosom baru yang ertama. Dengan cara yang sama daat dieroleh kromosom baru. Tabel 7. Contoh Bilangan Acak Untuk Seleksi No Bilangan Acak,4,83, Pindah silang Jenis indah silang yang digunakan adalah single-oint cross. Langkah ertama yang dilakukan ada enyilangan satu titik yaitu menentukan satu titik dimana akan terjadi indah silang. Contoh dari enentuan satu titik ada kromosom induk diilustrasikan ada Gambar 4. Dari titik ada Gambar 4 akan dilakukan indah silang dua kromosom induk yang menghasilkan kromosom anak seerti yang diilustrasikan ada Gambar 5. Induk 43,586 -,734 -,9 Induk 44,3359 -,4738 -,68 Gambar 4. Kromosom Induk Induk 43,586 -,4738 -,68 Induk 44,3359 -,734 -,9 Gambar 5. Kromosom Anak Dari Tabel 8 diketahui hasil emodelan regresi nonlinear dengan menggunakan algoritma genetika. Dieroleh informasi bahwa nilai rata-rata RMSE untuk model yaitu 5,34 sedangkan untuk nilai RMSE model sebesar 8,964. Model meruakan model yang aling teat dari kedua model tersebut untuk memodelkan hubungan antara rasio biaya tak langsung royek dengan nilai royek dan durasi waktu elaksanaan royek karena rata-rata RMSE model yang lebih kecil dariada model. Sementara itu berdasarkan hasil estimasi terbaik diketahui nilai RMSE untuk model yaitu 8,448. Nilai RMSE tersebut lebih kecil dariada RMSE dari hasil estimasi terbaik ada model. Tabel 8. Outut Model Regresi Nonlinier dengan Menggunakan Algoritma Genetika Rata-Rata Hasil Estimasi Terbaik No Model RMSE Parameter RMSE α = 43,93 βx + βx,6 y = αe β = -,75,6 β = -,48 α = -,95 y = α β (ln(x + β ) - 8,7334 β = 4,888 8,398 ln(x )) β = -, F. Perbandingan Model Regresi Linear, Model Regresi Nonlinear dengan Menggunakan Algoritma Levenberg- Marquardt dan Model Regresi Nonlinear dengan Menggunakan Algoritma Genetika Selanjutnya dilakukan erbandingan antara model regresi linear, model regresi nonlinear dengan menggunakan Algoritma Levenberg-Marquardt dan model regresi nonlinear dengan menggunakan Algoritma Genetika. Kriteria model terbaik dilihat berdasarkan nilai RMSE. Berdasarkan Tabel 9 dieroleh informasi bahwa model 8 memiliki nilai RMSE terkecil yaitu 8,398. Hal ini menunjukkan bahwa model y = -,95-4,888(ln(x -,) - ln(x )) dengan menggunakan Algoritma Genetika dalam estimasi arameternya meruakan model yang aling teat untuk memodelkan hubungan antara rasio biaya tak langsung royek dengan nilai royek dan durasi waktu elaksanaan royek. Semakin besar nilai royek maka rasio biaya tak langsung semakin kecil. Sementara itu aabila durasi waktu elaksanaan royek semakin lama rasio biaya tak langsung yang dikeluarkan semakin besar. Aabila dimisalkan nilai royek sebesar miliar ruiah dan durasi elaksanaaan royek selama hari maka rasio biaya tak langsung dari royek tersebut sebesar,4%.
7 7 Tabel 9. Perbandingan Kriteria Nilai RMSE No Model RMSE y = 6,3 -,36x 9,77 y = 4,3 -,78x 7,37 3 y = 4,8 -,5x -,7 x 8,464 4 ln y = ln 3,6 +,6x -,35x 8,795 5 y = 4,66.e -,75x-,48x,66 6 y = -74, ,437(ln(x ) - ln(x )) 6,786 7 y = 43,93.e -,75x-,48x,6 8 y = -,95-4,888(ln(x -,) - ln(x )) 8,398 V. KESIMPULAN Berdasarkan hasil analisis dan embahasan dieroleh kesimulan emodelan dengan melibatkan data royek subkontraktor dan joint oeration memberikan hasil yang lebih baik dilihat dari signifikansi arameter dibandingkan dengan emodelan dengan melibatkan semua data royek. Adaun model regresi linear yang melibatkan semua data royek yang memodelkan hubungan antara rasio biaya tak langsung royek (Y) dengan nilai royek (X ) dan durasi waktu elaksanaan royek (X ) yaitu y = 4,8,5 x -,7 x dengan nilai RMSE dan R masing masing sebesar 8,464 dan,39. Rendahnya nilai R disebabkan karena adanya hubungan yang tidak linear antara variabel rediktor dengan variabel reson. Selain itu dari evaluasi kesesuaian model regresi linear tersebut terdaat beberaa asumsi yang tidak terenuhi yaitu kondisi homoskedastisitas ada residual, residual tidak berdistribusi normal dan linearitas model. Dari uji signifikansi arameter model juga diketahui bahwa kedua variabel rediktor (X dan X ) tidak memiliki engaruh signifikan terhada variabel reson (Y). Hasil emodelan regresi nonlinear dengan menggunakan Algoritma Levenberg-Marquardt sebagai metode estimasi arameter yaitu y = 4,66.e -,75x-,48x dan y = -74,575 4,437(ln(x ) - ln(x )). Sementara itu hasil emodelan regresi nonlinear dengan menggunakan Algoritma Genetika sebagai metode estimasi arameter yaitu y = 43,93.e -,75x+ -,48x dan y = -,95 + 4,888(ln(x -,) - ln(x )). Dari erbandingan antara model regresi linear, model regresi nonlinear dengan menggunakan Algoritma Levenberg-Marquardt dan model regresi nonlinear dengan menggunakan Algoritma Genetika disimulkan bahwa model y = -,95 + 4,888(ln(x -,) - ln(x )) yang menggunakan Algoritma Genetika sebagai metode estimasi arameter meruakan model yang aling teat untuk memodelkan hubungan antara rasio biaya tak langsung royek dengan nilai royek dan durasi waktu elaksanaan royek karena memiliki nilai RMSE terkecil. Untuk enelitian selanjutnya sebaiknya data royek yang digunakan lebih banyak dan ditambahkan jenis royek sebagai variabel dummy sehingga model yang dihasilkan nanti lebih sesuai untuk mengestimasi biaya tak langsung royek konstruksi. DAFTAR PUSTAKA [] AACE International, Skills & Knowledge of Cost Engineering 5th Edition. Morgantown: AACE International (4). [] M. Suryanto dan K. D. Handayani, Pemodelan Biaya Tak Langsung Proyek-Proyek Bangunan Air. Jurnal Teknika Universitas Negeri Surabaya, Vol. 9 No.. (8). [3] B.W. Soemardi dan R. G. Kusumawardani, Studi Praktek Estimasi Biaya Tidak Langsung ada Proyek Konstruksi, Konferensi Nasional Teknik Siil 4 (KONTEKS4) (). [4] D. Rahadian, Kajian Terhada Praktek Estimasi Biaya Tidak Langsung Proyek Konstruksi ada Perusahaan Kontraktor Menengah di Daerah Bandung dan Jakarta, Tesis Program Magister Institut Teknologi Bandung (). [5] D. Yusuf, Studi Estimasi Biaya Tidak Langsung Proyek Konstruksi Pada Perusahaan Konstraktor Kualifikasi Besar di Daerah Bandung dan Jakarta, Tesis Program Magister Institut Teknologi Bandung (). [6] J. Neter, W. Wasserman, dan M. H. Kutner, Alied Linear Regression Models. Illinois: Richard D. Irwin, Inc (983). [7] D. N. Gujarati, Basics Econometrics Fourth Edition. New York: McGraw Hill International (4). [8] M. Zeltkevic, Nonlinear Models and Linear Regression. Massachusetts Institute of Technology (998). [9] M. Mitchell, An Introduction to Genetic Algoritms. London: Cambridge (999). [] Suyanto, Algoritma Genetika Dalam Matlab. Yogyakarta: Andi Offset (5). [] I. Diohusodo, Manajemen Proyek & Konstruksi. Yogyakarta: Kanisius (996).
PEMODELAN BIAYA TAK LANGSUNG PROYEK KONSTRUKSI DI PT WIJAYA KARYA
PEMODELAN BIAYA TAK LANGSUNG PROYEK KONSTRUKSI DI PT WIJAYA KARYA Studi Kasus : Proyek Konstruksi di Provinsi Kalimantan Timur ODIK FAJRIN JAYADEWA (1308 100 059) Dosen Pembimbing Co Pembimbing : Dr. Irhamah,
Lebih terperinciAPLIKASI REGRESI PARTIAL LEAST SQUARE UNTUK ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA DI KOTA YOGYAKARTA
-ISSN 979 3693 e-issn 2477 0647 MEDIA STATISTIKA 9(2) 206: 75-84 htt://eournal.undi.ac.id/index.h/media_statistika APLIKASI REGRESI PARTIAL LEAST SQUARE UNTUK ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG MEMPENGARUHI
Lebih terperinciSKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN
SKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN Oleh : Rengganis L. N. R 302 00 046 PENDAHULUAN Latar Belakang Penduduk
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Pemilahan Data
BAB 3 PEMBAHASAN 3.1 Pemilahan Data Pemilahan data dilakukan untuk menentukan data mana saja yang akan diolah. Dalam enelitian ini, data yang diikutsertakan dalam engolahan ditentukan berdasarkan teori
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Prosedur Pengumulan Data 3.. Sumber Data Data yang digunakan dalam enelitian ini meruakan data sekunder yang diambil dari Deartemen Keuangan, BAPEPAM, dan IAPI. Data-data
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Persoalan jalur terendek (Shortest Path) meruakan suatu jaringan engarahan erjalanan dimana seseorang engarah jalan ingin menentukan jalur terendek antara dua kota
Lebih terperinciII. TINJAUAN PUSTAKA
II. TIJAUA PUSTAKA Portofolio Saham Portofolio berarti sekumulan investasi, untuk kasus saham, berarti sekumulan investasi dalam bentuk saham. Proses embentukan orfolio saham terdiri dari mengidentifikasi
Lebih terperinciREGRESI LINIER BERGANDA
REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal
Lebih terperinci270 o. 90 o. 180 o PENDAHULUAN
PENDAHULUAN Latar Belakang Perkembangan analisis data saat ini masih bertumu ada analisis untuk data linear. Disisi lain, untuk kasus-kasus tertentu engukuran dilakukan secara sirkular. Beberaa ilustrasi
Lebih terperinciUNNES Journal of Mathematics
UJM 6(2) (2017) UNNES Journal of Mathematics htt://journal.unnes.ac.id/sju/index.h/ujm PERBANDINGAN METODE PARTIAL LEAST SQUARE (PLS) DAN PRINCIPAL COMPONENT REGRESSION (PCR) UNTUK MENGATASI MULTIKOLINEARITAS
Lebih terperinciREGRESI LINIER GANDA. Fitriani Agustina, Math, UPI
REGRESI LINIER GANDA 1 Pengertian Regresi Linier Ganda Merupakan metode yang digunakan untuk memodelkan hubungan linear antara variabel terikat dengan dua/lebih variabel bebas. Regresi linier untuk memprediksi
Lebih terperinciBAB III METODOLOGI DAN PERBANDINGAN METODA
BAB III METODOLOGI DAN PERBANDINGAN METODA Melalui enjelasan konse jaringan grah, dalam menelusuri rute menuntut adanya enggunaan metoda yang teat. Merunut ada tinjauan ustaka, setidaknya akan digunakan
Lebih terperinciSTK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi
STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciMETODE PENELITIAN. wilayah Kecamatan Karawang Timur dijadikan sebagai kawasan pemukiman dan
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Penelitian ini merupakan studi kasus yang dilakukan di Kecamatan Karawang Timur, Kabupaten Karawang. Pemilihan lokasi tersebut didasarkan atas wilayah
Lebih terperinciPENDAHULUAN. Latar Belakang. Tujuan Penelitian
PENDAHULUAN Latar Belakang Fungsi Cobb-Douglas dengan galat aditif merupakan salah satu fungsi produksi yang dapat digunakan untuk menganalisis hubungan antara hasil produksi dan faktor-faktor produksi.
Lebih terperinciDhiva Ryan Hardine 1), Aisyah Abdullah 2), Muhammad Ikbal 3), Nur Chamidah 4)
PEMODELAN KADAR GULA DARAH DAN EKANAN DARAH PADA REMAJA PENDERIA DIABEES MELIUS IPE II DENGAN PENDEKAAN REGRESI NONPARAMERIK BIRESPON BERDASARKAN ESIMAOR SPLINE Dhiva Ryan Hardine 1), Aisyah Abdullah 2),
Lebih terperinciBAB III METODE PENELITIAN. Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data
BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Objek dalam penelitian ini adalah Koperasi Jasa Keuangan Syariah Prima Artha, Sleman. Sedangkan subjek penelitiannya adalah Data Tingkat Bagi Hasil
Lebih terperinciPENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON
E-Jurnal Matematika Vol., No., Mei 013, 49-53 ISSN: 303-1751 PENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON I PUTU YUDANTA EKA PUTRA 1, I PUTU EKA
Lebih terperinciBAB III METODE PENELITIAN. laba/rugi Perusahaan makanan yang terdaftar di BEI (PT. Indofood Sukses
BAB III METODE PENELITIAN 3.1 Objek Penelitian Adapun yang menjadi objek pada penelitian ini adalah neraca dan laporan laba/rugi Perusahaan makanan yang terdaftar di BEI (PT. Indofood Sukses Makmur, Tbk,
Lebih terperinciMODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA. 1. Pendahuluan
MODEL REGRESI NONPARAMETRIK SPLINE TRUNCATED PADA DATA INDEKS PEMBANGUNAN MANUSIA (IPM) DI INDONESIA Kornelius Ronald Demu, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika FMIPA
Lebih terperinciIII. METODOLOGI PENELITIAN. Modal, Dinas Penanaman Modal Kota Cimahi, Pemerintah Kota Cimahi, BPS Pusat
III. METODOLOGI PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini berupa data tenaga kerja, PDRB riil, inflasi, dan investasi secara berkala yang ada di kota Cimahi.
Lebih terperinciANALISIS BAYES UNTUK REGRESI SPLINE TERPENALTI STUDI KASUS: ANALISIS HUBUNGAN JUMLAH UANG BEREDAR DENGAN INFLASI DI INDONESIA
IndoMS Journal on Statistics Vol. 2, No. 2 (2014), Page 63-69 ANALISIS BAYES UNTUK REGRESI SPLINE TERPENALTI STUDI KASUS: ANALISIS HUBUNGAN JUMLAH UANG BEREDAR DENGAN INFLASI DI INDONESIA Rika Fitriani,
Lebih terperinciPEMODELAN INDEKS KETAHANAN PANGAN BERAS DI JAWA TIMUR MENGGUNAKAN REGRESI NON LINEAR DAN ALGORITMA GENETIKA
TUGAS AKHIR SS141501 PEMODELAN INDEKS KETAHANAN PANGAN BERAS DI JAWA TIMUR MENGGUNAKAN REGRESI NON LINEAR DAN ALGORITMA GENETIKA DESI PUJI HASTUTI NRP 1315 105 021 Dosen Pembimbing Irhamah, M.Si, Ph.D
Lebih terperinciBAB II TINJAUAN PUSTAKA. untuk berkunjung ke suatu negara. Permintaan pariwisata biasanya diukur dari segi
BAB II TINJAUAN PUSTAKA 2.1 Permintaan Pariwisata Pariwisata mamu mencitakan ermintaan yang dilakukan oleh wisatawan untuk berkunjung ke suatu negara. Permintaan ariwisata biasanya diukur dari segi jumlah
Lebih terperinciPemodelan Faktor-Faktor yang Mempengaruhi Produksi dan Mutu Tembakau Temanggung dengan Kombinasi antara Generalized Least Square dan Regresi Ridge
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 12) ISSN: 2301-928X D-1 Pemodelan Faktor-Faktor yang Mempengaruhi Produksi dan Mutu Tembakau Temanggung dengan Kombinasi antara Generalized Least Square
Lebih terperinciJurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013 ISSN
Perbandingan Metode Klasifikasi Regresi Logistik Dengan Jaringan Saraf Tiruan (Studi Kasus: Pemilihan Jurusan Bahasa dan IPS ada SMAN 2 Samarinda Tahun Ajaran 2011/2012) Comarison of Classification Methods
Lebih terperincioleh seperangkat variabel X, maka persamaan di atas dinamakan persamaan struktural, dan modelnya disebut model struktural.
ANALISIS JALUR A. PENGERTIAN ANALISIS JALUR Telaah statistika menyatakan bahwa untuk tujuan eramalan/ endugaan nilai Y atas dasar nilai-nilai X 1, X,., X i, ola hubungan yang sesuai adalah ola hubungan
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu
III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yaitu berkaitan dengan data yang waktu dikumpulkannya bukan (tidak harus) untuk memenuhi
Lebih terperinciANALISIS REGRESI KUANTIL
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas
Lebih terperinciIII. METODE PENELITIAN
39 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder tersebut merupakan data cross section dari data sembilan indikator
Lebih terperinciAPLIKASI DISCOUNTED CASH FLOW PADA KONTROL INVENTORY DENGAN BEBERAPA MACAM KREDIT PEMBAYARAN SUPPLIER
Program Studi MMT-ITS, Surabaya Agustus 9 APLIKASI ISOUNTE ASH FLOW PAA KONTROL INVENTORY ENGAN BEBERAPA MAAM KREIT PEMBAYARAN SUPPLIER Hansi Aditya, Rully Soelaiman Manajemen Teknologi Informasi MMT -
Lebih terperinciOLS, LASSO dan PLS Pada data Mengandung Multikolinearitas. OLS, LASSO dan PLS Pada data Mengandung Multikolinearitas
Jurnal ILMU DASAR Vol. 11 No. 1, Januari 010 : 83 91 83, dan Pada data Mengandung Multikolinearitas, dan Pada data Mengandung Multikolinearitas Yuliani Setia Dewi Jurusan Matematika FMIPA Universitas Jember
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif. Statistik deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penilaian. Tujuannya adalah
Lebih terperinciBAB III METODE PENELITIAN. dan penguasaan keterampilan kognitif baik secara sendiri-sendiri atau bersama -
36 BAB III METODE PENELITIAN A. Jenis Penelitian Penelitian ini bertujuan untuk mengetahui pengaruh penguasaan konsep dan penguasaan keterampilan kognitif baik secara sendiri-sendiri atau bersama - sama
Lebih terperinciMsi = x 100% METODE PENELITIAN
20 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis dan sumber data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari Biro Pusat Statistik (BPS), Perpustakaan IPB,
Lebih terperinciPEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA MENGGUNAKAN REGRESI RIDGE
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 123-132 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN UPAH MINIMUM KABUPATEN/KOTA DI JAWA TENGAH BERDASARKAN
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. Obyek dari penelitian yang akan diteliti dalam penelitian ini adalah besarnya
BAB 3 METODOLOGI PENELITIAN 3.1 Obyek Penelitian Obyek dari penelitian yang akan diteliti dalam penelitian ini adalah besarnya yield to maturity (YTM) dari obligasi negara seri fixed rate tenor 10 tahun
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI A. Persamaan Regresi Linear Analisis regresi merupakan suatu model matematis yang dapat digunakan untuk mengetahui pola hubungan antara dua atau lebih variabel. Analisis regresi
Lebih terperinciBAB II LANDASAN TEORI. Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan
BAB II LANDASAN TEORI 2.1 Data Data merupakan bentuk jamak dari datum. Data merupakan sekumpulan datum yang berisi fakta-fakta serta gambaran suatu fenomena yang dikumpulkan, dirangkum, dianalisis, dan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciBAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
17 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
Lebih terperinciBAB II TINJAUAN PUSTAKA. satu peubah prediktor dengan satu peubah respon disebut analisis regresi linier
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Linier Berganda Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19. Analisis regresi dengan satu peubah prediktor dan satu peubah
Lebih terperinciIV. METODOLOGI PENELITIAN. Penelitian ini dilakukan di Kecamatan Tanjungpinang Timur,
IV. METODOLOGI PENELITIAN 4.1 Tempat dan Waktu Penelitian Penelitian ini dilakukan di Kecamatan Tanjungpinang Timur, Tanjungpinang, Kepulauan Riau. Pemilihan lokasi dilakukan secara sengaja (purposive)
Lebih terperinciPerluasan Geographically Weighted Regression Menggunakan Fungsi Polinomial
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol.1, No.1, Juli 17, Hal. 15- -ISSN: 58-4596; e-issn: 58-46X Halaman 15 Perluasan Geograhically Weighted Regression Menggunakan
Lebih terperinciBAB III METODE PENELITIAN Data ini dipilih karena seperti pada data yang telah dikutip dari
BAB III METODE PENELITIAN A. Objek Penelitian Objek penelitian yang akan diteliti dalam penelitian ini adalah perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia (BEI), periode tahun 2012-2015.
Lebih terperinciIII. METODE PENELITIAN. Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh Upah
63 III. METODE PENELITIAN A. Ruang Lingkup Penelitian Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh Upah Minimum Provinsi (UMP) dan Belanja Barang dan Jasa (BBJ) terhadap pembangunan
Lebih terperinciPEMODELAN KETERTINGGALAN DAERAH DI INDONESIA MENGGUNAKAN ANALISIS DISKRIMINAN
M-20 PEMODELAN KETERTINGGALAN DAERAH DI INDONESIA MENGGUNAKAN ANALISIS DISKRIMINAN Titi Purwandari, Yuyun Hidayat 2,2) Deartemen Statistika FMIPA Universitas Padjadjaran, email : titiurwandari@yahoo.com,
Lebih terperinciBab I Pendahuluan. I.1 Latar Belakang Masalah
Bab I Pendahuluan I. Latar Belakang Masalah Dalam beberaa tahun terakhir ini, roses emonitoran kestabilan barisan matriks korelasi mendaatkan erhatian yang amat serius dalam literatur, terutama dalam literatur
Lebih terperinciPEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI DAN MUTU TEMBAKAU TEMANGGUNG DENGAN KOMBINASI ANTARA GENERALIZED LEAST SQUARE DAN REGRESI RIDGE
Seminar Tugas Akhir PEMODELAN FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI DAN MUTU TEMBAKAU TEMANGGUNG DENGAN KOMBINASI ANTARA GENERALIZED LEAST SQUARE DAN REGRESI RIDGE Oleh: Nyimas Yusna Aeni (1308 100
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.. Kerangka Pikir Penelitian ini dilakukan untuk mengetahui aakah terdaat engaruh dan hubungan antara total nilai aset reksa dana dengan risiko asar reksa dana (beta), standar
Lebih terperinciREGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1)
REGRESI BEDA DAN REGRESI RIDGE Ria Dhea Layla N.K 1, Febti Eka P. 2 1) 1311105003 2) 1311106009 email: 1) riadhea0863@yahoo.co.id 2) febti08.10@gmail.com ABSTRAK Analisis regresi dalam statistika adalah
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini menggunakan data time series tahunan Data
40 III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data time series tahunan 2002-2012. Data sekunder tersebut bersumber dari Badan Pusat Statistik (BPS) Lampung. Adapun data
Lebih terperinciPEMODELAN REGRESI PANEL TERHADAP BELANJA DAERAH DI KABUPATEN/KOTA JAWA BARAT
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika (SESIOMADIKA) 2017 ISBN: 978-602-60550-1-9 Statistika, hal. 60-68 PEMODELAN REGRESI PANEL TERHADAP BELANJA DAERAH DI KABUPATEN/KOTA JAWA
Lebih terperinciGatak Gatak Gatak Kartasura Kartasura Baki
III. METODE PENELITIAN A. Metode Dasar Penelitian Metode dasar yang digunakan dalam penelitian adalah metode deskriptif analitis. Metode deskriptif analitis yaitu metode yang mempunyai ciri memusatkan
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN Penelitian ini dilakukan pada perusahaan yang terdaftar di Bursa Efek Indonesia pada tahun 2010-2012. Tujuan dari penelitian ini adalah untuk menguji pengaruh Size
Lebih terperinciBAB III MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC IN MEAN (EGARCH-M)
30 BAB III MODEL EXPOETIAL GEERALIZED AUTOREGRESSIVE CODITIOAL HETEROSCEDASTIC I MEA (EGARCH-M) 3.1 Proses EGARCH Exonential GARCH (EGARCH) diajukan elson ada tahun 1991 untuk menutui kelemahan model ARCH/GARCH
Lebih terperinciBAB III METODOLOGI PENELITIAN
46 BAB III METODOLOGI PENELITIAN 3.1 Jenis dan Pendekatan Penelitian Penelitian ini menggunakan metode deskriptif kuantitatif. Metode deskriptif adalah pencarian fakta dengan interpretasi yang tepat. Penelitian
Lebih terperinciD-109 JURNAL SAINS DAN SENI ITS Vol. 4, No.1, (2015) ( X Print)
D-9 JURNAL SAINS DAN SENI ITS Vol 4 No 25 2337-352 23-928X Print Pemodelan Log Linier dan Regresi Logistik Biner Bivariat ada Hasil Medical Check-U Pegawai Negeri Siil PNS Institut Teknoi Seuluh Noember
Lebih terperinciBAB III METODE PENELITIAN. yang terdaftar di Bursa Efek Indonesia periode melalui website :
BAB III METODE PENELITIAN A. Subyek/Obyek Penelitian Dalam penelitian ini penulis memilih Bursa Efek Indonesia sebagai tempat untuk melakukan riset. Lokasi penelitian ini dipilih karena dianggap sebagai
Lebih terperinciRegresi Rasio Prevalensi dengan Model Log-Binomial: Isu Ketakkonvergenan. Netti Herawati 1) Alfian Futuhul Hadi 2)
BIAStatistika (2) Vol. 4, No., hal. 35 45 Regresi Rasio Prevalensi dengan Model Log-Binomial: Isu Ketakkonvergenan Netti Herawati ) Alfian Futuhul Hadi 2) ) Jurusan Matematika FMIPA Universitas Lamung
Lebih terperinciPengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel
Statistika, Vol. 10 No. 2, 99 105 Nopember 2010 Pengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel Teti Sofia Yanti Program Studi Statistika Universitas Islam Bandung Email: buitet@yahoo.com
Lebih terperinciMETODE PENELITIAN. keperluan tertentu. Jenis data ada 4 yaitu data NPL Bank BUMN, data inflasi, data
IV. METODE PENELITIAN A. Jenis dan Sumber Data Data adalah semua hasil observasi atau pengukuran yang telah dicatat untuk suatu keperluan tertentu. Jenis data ada 4 yaitu data NPL Bank BUMN, data inflasi,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Deret Fourier Dalam bab ini akan dibahas mengenai deret dari suatu fungsi periodik. Jenis fungsi ini sering muncul dalam berbagai persoalan fisika, seperti getaran mekanik, arus
Lebih terperinciIII. METODE PENELITIAN. Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian
III. METODE PENELITIAN A. Ruang Lingkup Penelitian Berdasarkan sifat penelitiannya, penelitian ini merupakan sebuah penelitian deskriptif. Definisi dari penelitian deskriptif adalah penelitian yang menggambarkan
Lebih terperinciPemodelan Faktor-faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 2012 dengan Kasus Pencilan dan Autokorelasi Error
Pemodelan Faktor-faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 22 dengan Kasus Pencilan dan Autokorelasi Error Ria Kumala Dewi dan Wiwiek Setya Winahju Statistika, FMIPA, Institut Teknologi
Lebih terperinciBAB III METODOLOGI PENELITIAN
37 BAB III METODOLOGI PENELITIAN A. Waktu dan Tempat Penelitian Data yang digunakan dalam penelitian ini adalah data sekunder yang berupa penjualan, piutang usaha, dan arus kas operasional pada laporan
Lebih terperinciBAB I Pendahuluan. 1. Mengetahui pengertian penelitian metode regresi. 2. Mengetahui contoh pengolahan data menggunakan metode regresi.
BAB I Pendahuluan 1.1. Latar belakang Sepanjang sejarah umat manusia, orang melakukan penelitian tentang ada tidaknya hubungan antara dua hal, fenomena, kejadian atau lainnya. Dan ada tidaknya pengaruh
Lebih terperinciBAB 3 METODE PENELITIAN. jenis data yang berbentuk angka (metric) yang terdiri dari:
BAB 3 METODE PENELITIAN 3.1 Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data kuantitatif, yaitu jenis data yang berbentuk angka (metric) yang terdiri dari: 1. Data laporan
Lebih terperinciPENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE
PENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE Diah Ayu Novitasari *) *) Jurusan Manajemen, Fakultas Ekonomi Universitas Islam Lamongan Email
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan dalam rangka penyusunan skripsi sebagai salah satu persyaratan untuk menyelesaikan studi program Strata 1 (S1) jurusan
Lebih terperinciPENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE
PENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE Diah Ayu Novitasari * * Jurusan Manajemen, Fakultas Ekonomi Universitas Islam Lamongan Email :
Lebih terperinciMETODE PENELITIAN. deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi
III. METODE PENELITIAN Variabel-variabel yang digunakan dalam penelitian ini adalah tingkat suku bunga deposito berjangka terhadap suku bunga LIBOR, suku bunga SBI, dan inflasi pada bank umum di Indonesia.
Lebih terperinciOleh : Fuji Rahayu W ( )
Oleh : Fuji Rahayu W (1208 100 043) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2012 Indonesia sebagai negara maritim Penduduk Indonesia
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
III METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciBAB III METODE PENELITIAN. termasuk ke dalam jenis penelitian hypothesis testing karena tujuan dari penelitian
BAB III METODE PENELITIAN 3.1. Desain Penelitian Sekaran dan Bougie (2013) menjelaskan bahwa model penelitian adalah sebuah pilihan dalam mengambil keputusan yang rasional sehingga diperoleh data yang
Lebih terperinciMETODE PENELITIAN. A. Variabel Penelitian dan Definisi Operasional. Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel
43 III. METODE PENELITIAN A. Variabel Penelitian dan Definisi Operasional Untuk memperjelas dan memudahkan pemahaman terhadap variabelvariabel yang akan dianalisis dalam penelitian ini, maka perlu dirumuskan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode yang digunakan dalam penelitian ini adalah deskriptif analitik yaitu metode penelitian yang menekankan kepada usaha untuk memperoleh informasi mengenai
Lebih terperinciDiterima 30 Januari 2014, direvisi 26 April 2014 ABSTRAK
296 NATURAL B, Vol. 2, No. 3, Aril 2014 Pemodelan Geograhically Weighted Regression dengan Pembobot Fixed Gaussian Kernel ada Data Sasial (Studi Kasus Ketahanan Pangan di Kabuaten Tanah Laut Kalimantan
Lebih terperinciIII. METODE PENELITIAN
21 III. METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Desa Babakan Kecamatan Dramaga Kabupaten Bogor. Pemilihan tersebut dengan pertimbangan bahwa wilayah tersebut merupakan
Lebih terperinciBAB III METODOLOGI PENELITIAN. kuantitatif tidak terlalu menitik beratkan pada kedalaman data, yang penting dapat
BAB III METODOLOGI PENELITIAN 3.1 Jenis dan Pendekatan Penelitian Penelitian ini merupakan penelitian kuantitatif. Dimana dalam penelitian kuantitatif tidak terlalu menitik beratkan pada kedalaman data,
Lebih terperinciBAB III METODE PENELITIAN. Dalam penelitian ini, peneliti menggunakan metode penelitian kuantitatif Variabel dan Definisi Operasional Variabel
24 BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode merupakan cara atau taktik sebagai langkah yang harus ditempuh oleh peneliti dalam memecahkan suatu permasalahan untuk mencapai tujuan tertentu.
Lebih terperinciJurusan Statistika, FST, Institut Sains & Teknologi AKPRIND Yogyakarta
E-ISSN 2527-9378 Jurnal Statistika Industri dan Komputasi Volume 2, No., Januari 207, pp. 5-58 PENGGUNAAN METODE WEIGHTED LEAST SQUARE UNTUK MENGATASI MASALAH HETEROSKEDASTISITAS DALAM ANALISIS REGRESI
Lebih terperinciBAB III METODE PENELITIAN. Populasi adalah wilayah generalisasi yang terdiri atas: objek/subjek yang
BAB III METODE PENELITIAN A. OBJEK/SUBJEK PENELITIAN Populasi adalah wilayah generalisasi yang terdiri atas: objek/subjek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti
Lebih terperinciPenerapan Multivariate Exponentially Weighted Moving Average Control Chart Pada Proses Pembuatan Boiler di PT. ALSTOM ESI Surabaya
1 Peneraan Multivariate Exonentially Weighted Moving Average Control Chart Pada Proses Pembuatan Boiler di PT. ALSTOM ESI Surabaya R. Candra Dewantara (1), Dr. Muhammad Mashuri, M.T. () Jurusan Statistika,
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penelitian ini merupakan data kuantitatif dengan
40 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini merupakan data kuantitatif dengan rentang waktu dari tahun 2001 2012. Tipe data yang digunakan adalah data runtut
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
Lebih terperinciIII. METODE PENELITIAN. runtut waktu (time series) atau disebut juga data tahunan. Dan juga data sekunder
42 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian adalah data sekunder yang mempunyai sifat runtut waktu (time series) atau disebut juga data tahunan. Dan juga data
Lebih terperinciBAB III OBJEK DAN METODE PENELITIAN. Objek penelitian yang dianalisis adalah faktor-faktor yang mempengaruhi
48 BAB III OBJEK DAN METODE PENELITIAN 3.1. Objek Penelitian Objek penelitian yang dianalisis adalah faktor-faktor yang mempengaruhi ekspor komoditi karet di Indonesia periode 1990-2006. Adapun variabelnya
Lebih terperinciBAB III METODE PENELITIAN. umum dari obyek penelitian. Pada penelitian ini peneliti mengambil data waktu tiga
BAB III METODE PENELITIAN 1.1 Waktu dan Tempat Penelitian Waktu dan tempat penelitian menguraikan tentang jadwal penelitian dilaksanakan dan lokasi dimana penelitian dilakukan, yang juga mencakup gambaran
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan penelitian pengujian hipotesis (hyphotesis testing
BAB III METODE PENELITIAN 3.1. Model Penelitian Penelitian ini merupakan penelitian pengujian hipotesis (hyphotesis testing study) yang bertujuan untuk menguji hipotesis yang diajukan oleh peneliti mengenai
Lebih terperinciANALISIS FAKTOR PENANAMAN MODAL DALAM NEGERI, EKSPOR, DAN KONSUMSI PEMERINTAH TERHADAP PDRB KALIMANTAN BARAT DENGAN MODEL DATA PANEL INTISARI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume xx, No. x (tahun), hal xx xx. ANALISIS FAKTOR PENANAMAN MODAL DALAM NEGERI, EKSPOR, DAN KONSUMSI PEMERINTAH TERHADAP PDRB KALIMANTAN BARAT DENGAN
Lebih terperinciBAB III METODOLOGI PENELITIAN. Dalam penelitian ini penulis menerangkan bahwa untuk variabel dependen yaitu
BAB III METODOLOGI PENELITIAN A. Jenis dan Sumber Data Dalam penelitian ini penulis menerangkan bahwa untuk variabel dependen yaitu Non Performing Financing Bank Perkreditan Rakyat Syariah di Indonesia
Lebih terperinciMETODOLOGI PENELITIAN
22 III. METODOLOGI PENELITIAN 3.1 Kerangka Pemikiran Penelitian Bank merupakan lembaga keuangan yang memiliki fungsi sebagai penghimpun dana dari masyarakat dan menyalurkannya kembali dalam bentuk kredit
Lebih terperinciBAB 3 METODA PENELITIAN. industri penghasil bahan baku sektor pertambangan yang terdaftar di
BAB 3 METODA PENELITIAN 3.1 Jenis dan Sumber Data Peneliti memperoleh data penelitian ini yang terdapat pada sumber data historis berupa laporan keuangan perusahaan yang telah diaudit dengan benar serta
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data sekunder deret waktu
III. METODE PENELITIAN A. Jenis dan Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder deret waktu (time-series data) bulanan dari periode 2004:01 2011:12 yang diperoleh dari PT.
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. Perusahaan emiten manufaktur sektor (Consumer Goods Industry) yang
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Deskripsi Objek Penelitian Perusahaan emiten manufaktur sektor (Consumer Goods Industry) yang terdaftar di Bursa Efek Indonesia memiliki beberapa perusahaan, dan
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dimulai pada bulan September 2014 Januari Data
42 BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dimulai pada bulan September 2014 Januari 2015. Data perusahaan sektor pertambangan yang terdaftar di Bursa Efek Indonesia (BEI).
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bagian pertama bab ini diberikan tinjauan pustaka yang berisi penelitian sebelumnya yang mendasari penelitian ini Pada bagian kedua bab ini diberikan teori penunjang yang berisi
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilakukan terhadap perusahaan manufaktur sektor
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilakukan terhadap perusahaan manufaktur sektor industri barang konsumsi dan sektor aneka industri yang terdaftar di Bursa Efek Indonesia
Lebih terperinci