Media Informatika, Vol. 2, No. 1, Juni 2004, 1-10 ISSN:

Ukuran: px
Mulai penontonan dengan halaman:

Download "Media Informatika, Vol. 2, No. 1, Juni 2004, 1-10 ISSN:"

Transkripsi

1 eda Ifomata, Vol., No., Ju 004, -0 ISSN: FUZZY QUANTIFICATION THEORY I UNTUK ANAISIS HUBUNGAN ANTARA PENIAIAN KINERJA DOSEN OEH AHASISWA, KEHADIRAN DOSEN, DAN NIAI KEUUSAN AHASISWA ENGGUNAKAN (Stud asus: Juusa Te Ifomata FTI UII) S Kusumadew Juusa Te Ifomata, Faultas Teolog Idust,Uvestas Islam Idoesa Jl. Kaluag Km. 4 Yogyaata 5550 Telp. (074) ext., Fas. (074) ext. 48 E-mal: cce@ft.u.ac.d ABSTRAKS Fuzzy quatfcato theoy I, adalah suatu metode utu meetua hubuga ataa vaabel ualtatf yag dbea dega la ataa 0 sampa, da vaabel-vaabel umes dalam fuzzy goup yag dbea dalam sampel. Pada pelta, fuzzy quatfcato theoy aa dguaa utu meetua sebeapa besa fato-fato ualtatf pelaa mahasswa tehadap eja dose Juusa Te Ifomata UII, mempegauh hubuga ataa ehada dose da la ah mahasswa. Hasl peelta mejua bahwa fato emampua dose medoog mahasswa utu bepea atf meml pegauh yag palg tgg dataa fato-fato yag laya dalam ataya dega pegauh ataa ehaa dose megaja dega la elulusa mahasswa B. Pegauh aa sagat uat apabla ehada dose megaja lebh da 0 al. Keywods: fuzzy quatfcato theoy, fuzzy goup, ualtatf.. PENDAHUUAN Tecapaya tujua poses belaja megaja dalam suatu peguua tgg tda telepas da peaa dose da mahasswa. Keatva paa dose dalam membea peulaha da eatfa mahasswa dalam megut poses belaja megaja mejad uc utama susesya poses belaja megaja. Susesya poses belaja megaja, bag mahasswa, dapat dlhat dega alat uu beupa la ah yag dpeoleh. Basaya, seoag mahasswa dataa meml la ba dalam suatu mataulah, apabla mahasswa tesebut medapata la lebh da atau sama dega B. Dema pula, seoag dose dataa suses dalam poses belaja megaja, apabla la eja yag dpeolehya juga ba.

2 Juusa Te Ifomata FTI UII selama telah meeapa evaluas tehada eja dose dega megguaa alat uu yag deal dega Nla Keja Dose (NKD). Salah satu vaabel yag dguaa utu meghtug NKD adalah pelaa da mahasswa yag megambl mataulah yag dampu oleh dose yag besaguta. Pelaa oleh mahasswa dlaua melalu pegsa usoe. Pada semeste geap tahu aadem 003/004, ada 8 petayaa yag dbea dalam usoe, yatu: ejelasa & semagat dose dalam membea ulah; emampua dose meguasa elas; emampua dose medoog mahasswa utu bepea atf; taggapa & ejelasa dose mejawab petayaa mahasswa; emampua dose memotvas mahasswa utu belaja; hubuga cotoh soal da tugas dega mate yg dbea; dspl dose tehadap aloas watu yag dbea; da esesuaa mate ulah dega slabus/satua Acaa Peualaha (SAP). Setap petayaa meml la ataa (buu), sampa 4 (sagat ba). Sela pelaa mahasswa yag besfat ualtatf, NKD juga dpegauh oleh vaabel ehada dose dalam megaja, yag jelas teuu. Utu meghubuga ataa fato ualtatf da uattatf, dapat dguaa fuzzy quatfcato theoy. Ada 3 metode fuzzy quatfcato theoy. Fuzzy quatfcato theoy I, aa meetua hubuga ataa vaabel ualtatf yag dbea dega la ataa 0 sampa, da vaabel-vaabel umes dalam fuzzy goup yag dbea dalam sampel. Pada peelta, aa dcoba utu meguu pegauh fato-fato ualtatf (pelaa mahasswa) tehadap hubuga ataa ehada dose dega posetase la elulusa mahasswa B.. TUJUAN PENEITIAN Peelta betujua utu meetua sebeapa besa fato-fato ualtatf pelaa mahasswa tehadap eja dose Juusa Te Ifomata UII, mempegauh hubuga ataa ehada dose da la ah mahasswa, dega megguaa fuzzy quatfcato theoy I. 3. DASAR TEORI 3. Teo Quatfas Secaa umum metode uatfas megguaa data-data asa sepet hasl evaluas da pedapat oag yag maa uattas da pemahaa tetag data-data tesebut tda secaa omal despesa secaa umes. Basaya, suatu pedapat atau evaluas tehadap suatu atvtas aa depesetasa dalam betu ualtatf secaa lgust, sepet: ba, cuup, buu, puas, dll. Padahal sebeaya, utu membadga pedapat atau evaluas aa lebh mudah apabla espes yag bebetu ualtatf tesebut dgat dega betu umes. Utu epelua tesebut, maa dbutuha metode uatfas. Fuzzy quatfcato theoy adalah metode utu megedala data-data ualtatf dega megguaa teo hmpua fuzzy. Pegedala ds lebh dmasuda utu mejelasa ejada-ejada fuzzy megguaa la

3 dalam etag [0, ] yag megespesa pedapat-pedapat secaa ualtatf (S, 004). Apabla tedapat sampel data x (=,,...,), dega deajat eaggotaa pada fuzzy goup B adalah µ B[x ], da tedapat S fuzzy goup, maa dapat dca total mea m da mea m B (=,,...,S) sebaga beut: S m = x µ B[x] N = = () mb = x µ B[x] N(B ) = () dega N(B) = S = µ B [x ] N = N(B ) = (4) Total vaas T, vaas ata fuzzy goup B, da vaas dalam suatu fuzzy goup E dapat dtetua sebaga beut: T = B = E = S = = S = = S = = (x m) µ [x ] B (m B m) µ [x ] B (x m B ) µ [x ] dalam hal, T = B + E. B 3. Fuzzy Quatfcato Theoy I Tujua da Fuzzy Quatfcato Theoy I (aalss eges ualtatf) adalah meetua hubuga ataa vaabel ualtatf yag dbea dega la ataa 0 sampa, da vaabel-vaabel umes dalam fuzzy goup yag dbea dalam sampel. Tabel Kaatest Fuzzy Quatfcato Theoy I. (3) (5) (6) (7) No. () 3 Exteal Data (y) y y y 3 Katego A... A... A P µ ()... µ ()... µ P() µ ()... µ ()... µ P() µ (3)... µ (3)... µ P(3) Fuzzy Goup (B) µ B() µ B() µ B(3) eda Ifomata, Vol., No., Ju 004

4 y µ ()... µ ()... µ P() µ B() N y µ ()... µ ()... µ P() µ B() Pada Tabel meujua aatest Fuzzy Quatfcato Theoy I. Pada tabel tesebut tedapat buah sampel. Exteal Stadad (y) meujua fugs tujua. y adalah fugs tujua da sampel e-. µ () adalah deajat suatu taggapa tehadap atego ultatf e- (=,,..., P) pada sampel e- yag dbe la [0, ]. Fuzzy Quatfcato Theoy I sama halya meetua suatu fugs lea da bebeapa atego (Teao d, 99): y() = P = a µ () (8) Pesamaa, tetu saja dhaapa vaas tujua membea la eo yag sagat ecl. Utu epelua tesebut, dapat dsusu betu mats: y = [y, y,..., y ] (9) µ B () G = 0 0 O (0) µ () B µ () X = [ µ = ()] µ () µ () µ () µ () µ () µ P () µ P () µ () P () a = [a, a,..., a ] () Dega dema, eo vaace σb = (y Xa)'G(y Xa) N(B) da σ B = X'Gy + X' GXa 0 a = σ B utu fuzzy goup B adalah (3) (4)

5 Bobot atego a yag memmuma eo vaace dbea dega pesamaa sebaga beut: a = (X GX) - X Gy (5) Utu medapata pegauh setap atego pada vaabel y, apabla peubaha pada atego-atego yag la besfat tetap dapat dlhat melalu oefse oelas pasal. Fuzzy mea da fuzzy covaace utu atego e- da y() adalah sebaga beut: σj j = σσ jj (6) σy y = σσyy (7) Ds, X () = a µ (). Dega megguaa covaace tesebut, oefse oelas fuzzy j da y dapat dca sebaga beut:\ N = X () µ B ( ) = = X y N = = = y() µ B () σj = X() X X j() X j µ B () N = = σy = X() X y() y j µ B () N = = σ yy = y() y j µ B () N = = (8) (9) (0) () () Da s dapat dbetu mets R dega eleme-eleme sebaga beut: eda Ifomata, Vol., No., Ju 004

6 R = K y K y K yk y y Ky (3) Ives da mats R adalah: R = K y K y K K KK yk y y Ky yy (4) Kemuda vaabel y da oefse oelas pasalya, y dega =,,..., -, +,..., K adalah: y = y yy (5) Koefse oelas pasal meujua pegauh vaabel e- pada vaabel y apabla vaabel laya tetap. 4. ETODOOGI PENEITIAN Peelta dlaua melalu lagah-lagah sebaga beut: a. Peetua esteal data, atego, da fuzzy goup. b. Peyelesaa masalah dega memposes data put pada po (a) megguaa fuzzy quatfcato theoy I. c. Aalss tehadap setap fato (fuzzy goup). 5. HASI PENEITIAN 5. Peetua esteal data, atego, da fuzzy goup Pada peelta, dguaa data hasl evaluas eja dose, jumlah ehada, da dstbus la ah mahasswa d Juusa Te Ifomata pada semeste geap tahu aadem 003/004. Data tesebut sepet telhat pada Tabel. Tabel Data mataulah, ehada, da pelaa mahasswa.

7 No Kode ataulah Klas Jumlah Kehada %ulus >= B Hasl Pelaa ahasswa* N N N3 N4 N5 N6 N7 N a 0,00,87,73,87 3,00,87 3,00,73 3, b 4,7,53,53,40,73,47,93,80, c 3,66,80,87,60 3,07,60,87,67 3, d 0,7,87,93,67 3,00,87 3,07,87 3, a 7,05 3, 3,4,79 3,4,79,93 3,07 3, b,35 3,36 3,9,7 3,07,93 3,4 3, 3, c 9,77,93 3,4,86 3,00,93 3,07,86 3, d 4,67,33,40,53,47,53,87,40, a 88,4 3,69 3,54 3,46 3,54 3,3 3,38 3,3 3, b 0 73,9 3,69 3,54 3,46 3,46 3,3 3,38 3,3 3, c 73,33,47,33,47,73,7,67,53, a 69,47 3,00 3,00,83 3,00,9 3,5 3,7 3, a 9 8,7 3,00,86,86 3,00 3,4 3,4 3,4 3, b 9 87,50 3,63 3,3 3,50 3,5 3,3 3,38 3,3 3, c 9 83,33 3,64 3,57 3,43 3,36 3,43 3,50 3,9 3, a 8,5 3,57 3,43 3,36 3,4 3,4 3,36 3,43 3, b 88,89 3,40 3,53 3,0 3,33 3,7 3,53 3,33 3, c 60,00 3,77 3,77 3,00 3,38 3,38 3,54 3,3 3, a 9 33,75 3,3,67,47,73,73 3,00 3,3 3, b 0 50,55,67,73,67,87,67,87,87 3, c 9 44,44,60,33,47,80,53,73,93, d 0 55,56,79,36,,50,7,7,64, a 59,,7,08,4,75,7 3,00 3,00 3, b 56,5,80,67,67 3,00,73 3,3 3,0 3, c 49,37,7,0,3,73,53 3,7 3,0 3, d 68,75,0,7,33,60,07,87 3,40, a 0 48,48,79,43,7,86,64 3,00 3,00, a 3,53 3,3 3,00,80 3,00,73,40 3,7 3, b 6,4 3,07 3,07,93 3,3 3,00 3,40 3,47 3, c 48,75,60,70,80,80,60,80,70, d 5,5,50,50,50,70,50,80,0, a 0 5,64 3,00 3,3 3,0 3,0,80 3,00,87 3, a 0 60,00,70,50,60,90,70 3,00,90 3, a 0 38,46 3,33 3,0,87 3,0 3,3 3,40 3,0 3, a 3,86,73,09,36,73,36,9 3,00, b 40,59 3,3,80,73 3,00,73 3,0 3,33 3, c 4,7,78,44,44 3,00,89 3,00 3, 3, a 0 40,00 3,08 3,5,6 3,08,77,9,46 3, b 33,75 3,36 3, 3,00 3,4,93 3,4 3,9 3, eda Ifomata, Vol., No., Ju 004

8 c 9 43,00,5,75,88,38,00 3,5 3,3 3, d 9 3,58,3,3,7,7,3,73,00, a 0 83,33,40,60,00,40,00,87,67, b 0 89,33,83,67,67,9,67,4,7, c 7 48,89,86,7,57,7,57 3,4,86 3, d 7,50 3,00 3,4 3,00 3,43,43 3,4 3,9 3, a 39,3 3,00 3,08,83 3,08 3,00,9,58 3, b 40,00 3,4 3,4 3,00 3,4 3,00,86,7 3, c 36,99 3,00,89,78,78,89,78 3,00, a 36,76,93,87,60 3,3,47 3,07,60 3, b, 3,07,93,79 3,07,93 3,4,93, c 56,94 3,3,93,60 3,07,87 3,7,80 3, d 36,99 3,4 3,4,86 3,07,86 3,9 3,9 3, a 0 5,7 3,07,73 3,07 3,07,80 3,00,67 3, b 55,4 3,00 3,07 3,3,93,80 3,3,87 3, c 0 48,57,93,80 3,00,87,80,80,67, d 0 55,7 3,7 3,33 3,0,87,87 3,33,87 3, a 8 93,00,93,73,67 3,07,67,87 3,00, a 9,33,63,50,88 3,00,3 3,00 3,5 3, b 5,00,53,47,0,93,47 3,07 3,60 3, c,94 3,5,69,46 3,5,69 3,46 3,69 3, d 4,8 3,50 3,4 3,00 3,08 3,08 3,5 3,7 3, a 0 53,76,80,67,73,53,47,73,73 3, a 9 8,99 3,07,60,53 3,0,93 3,7 3,0 3, a 0 4, 3,0 3,00,80 3,0,90 3,00 3,0, a 0 60,00,8,8,73 3,00,55,9,45, a 9 39,47,7,0,0,93,3,80,07, b 8 6,65,63,50,38 3,00,50 3,00,63 3, c 8 57,4,7,43,7 3,00,43 3,00 3,00 3, d 9 4,05,85,77 3,00 3,08,9 3,3,85 3, a 6 43,4,87,53,53 3,3,40,73,40, a 48,3 3,4 3,00,79 3,07,79 3,07 3,00, a 7,03,9 3,00,58,67,9,83,67, a 9 6,00,40,53,7,87,33 3,07,87, a 8,4 3,43 3,9,93 3,07,7 3,4 3,79, a 0 48,059,9,67,75 3,00,50 3,00,9 3, b 56,665,86,86,86 3,07,86 3,36 3,00 3, c 0 45,679,90,60 3,0 3,00,70 3,00 3,00 3, d 0 49,387,69,75,88 3,06,44,75,50,94 *) Rata-ata hasl pelaa mahasswa melalu usoe, dega sala (buu) sampa 4 (sagat ba), yag melput fato-fato:

9 N : Kejelasa da semagat dose dalam membea ulah N : Kemampua dose meguasa elas N3 : Kemampua dose medoog mahasswa utu bepea atf N4 : Taggapa da ejelasa dose mejawab petayaa mahasswa N5 : Kemampua dose memotvas mahasswa utu belaja N6 : Hubuga cotoh soal da tugas dega mate yg dbea N7 : Dspl dose tehadap aloas watu yag dbea N8 : Kesesuaa mate ulah dega slabus/satua Acaa Peualaha (SAP) Utu membetu Tabel, la y dpeoleh da %ulus >= B utu data e-; la µ () pada setap atego e- (dalam asus haya megguaa atego, yatu ehada dose) dpeoleh da pesamaa (6) beut: Had() µ () = (6) Sedaga la µ B() pada setap fuzzy goup e-j (j=,,...,8) dpeoleh da pesamaa (7) beut: N B j() µ B () = (7) 5. Peyelesaa dega Fuzzy Quatfcato Theoy I Dega megguaa eges lea bsa dpeoleh hubuga ataa ehada dose megaja (x) dega la elulusa mahasswa B (y) tapa mempetmbaga fato-fato laya, sebaga: y = -7,3988 µ[x] + 69,86 (8) atau y = -,83 x + 69,86 (9) dega oefse oelas sebesa -0,4; yag beat bahwa bayaya ehada dose tda beoelas dega la elulusa mahasswa B. Utu setap fuzzy goup e- (=,,...,8), dega megguaa pesamaa (9) (0) da (), dpeoleh veto y yag meupaa hasl taspos da veto bas y (la elulusa mahasswa B ). ats G, meupaa mats bujusaga beuua 78x78 dega eleme-eleme dagoalya bes µ B(), la eaggotaa data e- pada fuzzy goup B e- da eleme-eleme laya ol. ats X, haya beuua 78x dega eleme bas e- adalah µ () bes deajat eaggotaa sampel e- pada ehada dose megaja. Sedaga y, adalah veto beuua 78x dega eleme bas e- adalah la elulusa mahasswa B. Veto bobot atego (a) haya bes satu eleme, yag dapat dpeoleh dega pesamaa (5). Tabel 3 meujua bobot atego a. Tabel 3 Bobot atego. Fuzzy Goup Bobot Katego eda Ifomata, Vol., No., Ju 004

10 Kejelasa da semagat dose dalam membea ulah Kemampua dose meguasa elas Kemampua dose medoog mahasswa utu bepea atf Taggapa da ejelasa dose mejawab petayaa mahasswa Kemampua dose memotvas mahasswa utu belaja Hubuga cotoh soal da tugas dega mate yg dbea Dspl dose tehadap aloas watu yag dbea Kesesuaa mate ulah dega slabus/satua Acaa Peualaha (SAP) sebaga oefse µ[x] sebaga oefse x 5,883 4,657 50,8074 4,339 5,33 4,776 50,6966 4,47 50,9738 4,478 5,074 4,5 50,683 4,36 50,7656 4,305 Sehgga, da pesamaa () dpeoleh la esteal data (y ) utu setap fuzzy goup e-: y = 5,883 µ[x]; atau y = 4,657 x; y = 50,8074 µ[x]; atau y = 4,339 x; y 3 = 5,33 µ[x]; atau y 3 = 4,776 x; y 4 = 50,6966 µ[x]; atau y 4 = 4,47 x; y 5 = 50,9738 µ[x]; atau y 5 = 4,478 x; y 6 = 5,074 µ[x]; atau y 6 = 4,5 x; y 7 = 50,683 µ[x]; atau y 7 = 4,36 x; y 8 = 50,7656 µ[x]; atau y 8 = 4,305 x; Koefse oelas ataa la esteal data pada setap fuzzy goup (y ) dega la elulusa mahasswa B sama dega, yag beat bahwa setap fuzzy goup meml oelas yag sagat uat dega la elulusa mahasswa B. Pada Tabel 3 telhat bahwa bobot atego tebesa tejad pada fato emampua dose medoog mahasswa utu bepea atf. Hal beat bahwa fato emampua dose medoog mahasswa utu bepea atf meml pegauh yag palg tgg dataa fato-fato yag laya dalam ataya dega pegauh ataa ehaa dose megaja dega la elulusa mahasswa B. Sedaga bobot atego teecl tejad pada fato dspl dose tehadap aloas watu yag dbea. Hal beat bahwa fato dspl dose tehadap aloas watu yag dbea meml pegauh yag palg edah dataa fato-fato yag laya dalam ataya dega

11 pegauh ataa ehaa dose megaja dega la elulusa mahasswa B. Utu setap fuzzy goup, tt potog la esteal data dega pesamaa (8) medeat tt (0,89; 45). Hal beat bahwa setap fuzzy goup aa membea pegauh yag sagat beat apabla jumlah ehada dose megaja lebh da (0,89 x ) = 0 al. Utu jumlah ehada lebh da 0 al, maa setap fuzzy goup aa membea oelas postf dega posetase la elulusa mahasswa B mecapa aga lebh da 45%. 6. SIPUAN Bedasaa hasl peelta, dapat dsmpula bahwa: a. Pelaa mahasswa tehadap eja dose yag dbea secaa ualtatf sagat mempegauh pegauh ehada dose tehadap la elulusa mahasswa B. b. Fato utama yag palg bepegauh adalah emampua dose medoog mahasswa utu bepea atf, yag beat bahwa Juusa Te Ifomata haus megupayaa suatu metode bau dalam poses belaja megaja yag lebh megutamaa pea mahasswa dalam poses belaja megaja tesebut. c. Fato-fato ualtatf tesebut aa sagat bepegauh apabla ehada dose megaja lebh da 0 al, yag beat bahwa edepa Juusa Te Ifomata haus lebh megupayaa caa utu megata edspla dose utu had megaja. PUSTAKA S Kusumadew. (004). Aplas oga Fuzzy Utu Peduug Keputusa. Yogyaata: Gaha Ilmu. Teao, Thoso, Kyoj Asa, da cho Sugeo. (99). Fuzzy Systems Theoy ad Its Applcatos. odo: Academc Pess. eda Ifomata, Vol., No., Ju 004

FUZZY QUANTIFICATION THEORY I UNTUK ANALISIS HUBUNGAN ANTARA PENILAIAN KINERJA DOSEN OLEH MAHASISWA, KEHADIRAN DOSEN, DAN NILAI KELULUSAN MAHASISWA

FUZZY QUANTIFICATION THEORY I UNTUK ANALISIS HUBUNGAN ANTARA PENILAIAN KINERJA DOSEN OLEH MAHASISWA, KEHADIRAN DOSEN, DAN NILAI KELULUSAN MAHASISWA edia Ifomatia, Vol., No., Jui 004, -0 ISSN: 0854-4743 FUZZY QUANTIFICATION THEORY I UNTUK ANAISIS HUBUNGAN ANTARA PENIAIAN KINERJA DOSEN OEH AHASISWA, KEHADIRAN DOSEN, DAN NIAI KEUUSAN AHASISWA Si Kusumadewi

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian 3 III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMAN Teusa Nuya. Populas dalam peelta adalah seluuh sswa kelas X SMAN Teusa Nuya semeste geap tahu pelajaa / yag bejumlah lma kelas. Kemampua

Lebih terperinci

Koefisien Korelasi Spearman

Koefisien Korelasi Spearman Koefe Koela Speama La hala dega oefe oela poduct-momet Peao, oela Speama dapat dguaa utu data beala mmal odal utu edua vaabel ag heda dpea oelaa. Lagah petama ag dlaua utu meghtug oefe oela Speama adalah

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 A II LANDASAN TEORI Pada bab aa dbahas bebeapa teo alaba le yag meduug dalam peuua Teo Peo-Fobeus pada ab III Teo-teo yag aa dbahas beupa subuag vaa, poyeto, des mats, deomposs coe-lpotet, seta om da

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

PENERAPAN ANALISIS REGRESI DAN KORELASI DALAM MENENTUKAN ARAH HUBUNGAN ANTARA DUA FAKTOR KUALITATIF PADA TABEL KONTINGENSI

PENERAPAN ANALISIS REGRESI DAN KORELASI DALAM MENENTUKAN ARAH HUBUNGAN ANTARA DUA FAKTOR KUALITATIF PADA TABEL KONTINGENSI PNRAPAN ANALISIS RGRSI DAN KORLASI DALAM MNNTUKAN ARAH HUBUNGAN ANTARA DUA FAKTOR KUALITATIF PADA TABL KONTINGNSI Iwa Sugawa Mathematcs & Statstcs Depatmet, School o Compute Scece, Bus Uvesty Jl. K.H.

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA YP Unila Bandarlampung yang berlokasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA YP Unila Bandarlampung yang berlokasi III. METODE PENELITIAN A. Populas da Sampel Peelta dlaksaaka d SMA YP Ula Badalampug yag belokas d Jl. Jedal R. Supapto No.88 Tajug Kaag Badalampug. Populas yag dguaka dalam peelta adalah seluuh sswa kelas

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

PEMILIHAN KNOT OPTIMAL DALAM ESTIMATOR SPLINE TERBOBOT PADA REGRESI NONPARAMETRIK HETEROSKEDASTIK DATA LONGITUDINAL

PEMILIHAN KNOT OPTIMAL DALAM ESTIMATOR SPLINE TERBOBOT PADA REGRESI NONPARAMETRIK HETEROSKEDASTIK DATA LONGITUDINAL Sema Nasoal Statsta IX Isttut Teolog Sepuluh Nopembe, 7 Novembe 009 PEMILIHAN KNOT OPTIMAL DALAM ESTIMATOR SPLINE TERBOBOT PADA REGRESI NONPARAMETRIK HETEROSKEDASTIK DATA LONGITUDINAL I Nyoma Budataa Juusa

Lebih terperinci

BAB III MATERI DAN METODE. non karkas kambing Jawarandu betina dilaksanakan pada bulan Juli sampai

BAB III MATERI DAN METODE. non karkas kambing Jawarandu betina dilaksanakan pada bulan Juli sampai BAB III MATERI DAN METODE Peelta tetag hubuga ataa bobot potog dega bobot kakas da o kakas kambg Jawaadu beta dlaksaaka pada bula Jul sampa dega Oktobe 2016 d tempat pemotoga hewa (TPH) Bustama d Jala

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

Pemodelan Pengangguran Terbuka di Jawa Timur dengan Menggunakan Pendekatan Regresi Spline Multivariabel

Pemodelan Pengangguran Terbuka di Jawa Timur dengan Menggunakan Pendekatan Regresi Spline Multivariabel JURNAL SAINS DAN SENI ITS Vol., No., (Set. 0) ISSN: 0-98X D-6 Pemodela Pegaggua Tebua d Jawa Tmu dega Megguaa Pedeata Reges Sle Multvaabel Rul Sata Sa da I Nyoma Budataa Juusa Statsta, Faultas Matemata

Lebih terperinci

Pelabelan Total Super Sisi Ajaib Pada Graf Caterpillar Teratur

Pelabelan Total Super Sisi Ajaib Pada Graf Caterpillar Teratur Jural Matemata Itegrat ISSN 4-4 Vol. 9 No. Otober 0 pp. -9 Pelabela Total Super Ss Ajab Pada Gra Caterpllar Teratur Trya St Rahmah Nursham Muta Nur Estr Program Stud Matemata Jurusa MIPA Faultas Sas da

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

Estimasi VaR Dengan Pendekatan Extreme Value * (Estimation of VaR by Extreme Value Approach)

Estimasi VaR Dengan Pendekatan Extreme Value * (Estimation of VaR by Extreme Value Approach) Estmas VaR Dea Pedeata Exteme Value Estmato of VaR by Exteme Value Appoach Suoo, Subaa 2 & Ded Rosad 3 Juusa Matemata FMIPA UNPAD Badu, e-mal : fsuoo@yahoo.com 2 Juusa Matemata FMIPA UGM Yoyaata, e-mal

Lebih terperinci

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI TANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI TANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR Bulet Ilmah Mat. Stat. da eapaa (Bmaste) Volume 0, No. (0), hal 79-86. ANALISIS FAKOR-FAKOR YANG MEMPENGARUHI PRODUKSI ANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR Zaal Ap, Muhlasah Novtasa Maa, Neva Satahadew

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

8.4 GENERATING FUNCTIONS

8.4 GENERATING FUNCTIONS 8.4 GEERATIG FUCTIOS Fugs pembagt Fugs pembagt dguaa utu merepresetasa barsa secara efse dega megodea usur barsa sebaga oefse deret pagat dalam varabel. Fugs pembagt dapat dguaa utu: memecaha berbaga masalah

Lebih terperinci

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

Analisis Tingkat Efisiensi Pelayanan Instalasi Rehabilitasi Medik di Rumah Sakit A dan B dengan Data Envelopment Analysis

Analisis Tingkat Efisiensi Pelayanan Instalasi Rehabilitasi Medik di Rumah Sakit A dan B dengan Data Envelopment Analysis Aalss Tgat Efses Pelayaa Istalas Rehabltas Med d Rumah at A da B dega Data Evelopmet Aalyss Yula Wula a (), Dest uslagum () Juusa tatsta, Faultas MIPA, Isttut Teolog epuluh Nopembe (IT) Jl. Aef Rahma Ham,

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah

Lebih terperinci

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap III. METODE PENELITIAN A. Populas da Sampel Populas dar peelta adalah seluruh peserta dd elas VII semester geap SMP Neger 3 Terbaggbesar tahu pelaara 0/0 yag terdstrbus e dalam tuuh elas, yatu elas VII

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

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

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

Lebih terperinci

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel Uura Statt. Pedahulua Uura Statt:. Uura Pemuata Bagamaa, d maa data berpuat? Rata-Rata Htug Arthmetc Mea Meda Modu Kuartl, Del, Peretl. Uura Peyebara Bagamaa peyebara data? Ragam, Vara Smpaga Bau Uura

Lebih terperinci

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

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

Lebih terperinci

OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK

OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Jural Ilmah Mrote Vol., No. 4 OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK Joha Vara Alfa ), Rully Soelama ), Chaste Fatchah ) ), ), ) Te Iformata, Faultas

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

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

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

Lebih terperinci

Gambar 3.1Single Channel Multiple Phase

Gambar 3.1Single Channel Multiple Phase BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag

Lebih terperinci

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori Ruag Basa Sesh ( Δ ),< < da Bebeaa Pemasaaha Kaatesas Podu Teso ( Δ) ( Δ) Musm Aso Juusa Matemata, FMIPA, Uvestas Lamug J. Soemat Bodoegoo No. Bada Lamug 3545 E-ma: asomath@ahoo.com ABSTRACT I ths ae we

Lebih terperinci

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga

Lebih terperinci

UKURAN DASAR DATA STATISTIK

UKURAN DASAR DATA STATISTIK UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas

Lebih terperinci

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.

Lebih terperinci

JENIS BUNGA PEMAJEMUKAN KONTINYU

JENIS BUNGA PEMAJEMUKAN KONTINYU JENIS BUNGA PEMAJEMUKAN KONTINYU Suku Buga Nomal Suku Buga Efektf Hubuga ataa Suku Buga Nomal da Efektf Aus Daa Dskt da Aus Daa Kotyu SUKU BUNGA NOMINAL & SUKU BUNGA EFEKTIF Selama daggap aus daa (peemaa

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini bertujuan mengetahui hubungan intensitas kegiatan

III. METODE PENELITIAN. Penelitian ini bertujuan mengetahui hubungan intensitas kegiatan III. METODE PENELITIAN A. Metode Peelta Peelta betujua megetahu hubuga testas kegata ekstakulkule Pamuka, da PMR pada sswa Kelas VIII SMP Nege Guug Labuha Way Kaa dega pestas belaja IPS semeste gajl tahu

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,

Lebih terperinci

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

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

Lebih terperinci

PENENTUAN POSISI MEREK SEPEDA MOTOR MATIC DENGAN MENGGUNAKAN ANALISIS BIPLOT (Studi kasus dilaksanakan di Kecamatan Balongbendo - Sidoarjo)

PENENTUAN POSISI MEREK SEPEDA MOTOR MATIC DENGAN MENGGUNAKAN ANALISIS BIPLOT (Studi kasus dilaksanakan di Kecamatan Balongbendo - Sidoarjo) Peetua Poss Mee Sepeda Moto Matc Dega Megguaa Aalss Bplot (Stud asus dlasaaa d Kecaata balogbedo Sdoao) PENENTUAN POSISI MEREK SEPEDA MOTOR MATIC DENGAN MENGGUNAKAN ANALISIS BIPLOT (Stud asus dlasaaa d

Lebih terperinci

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai BB III FUZZY C-MENS 3. Fuzzy Klasterg Fuzzy lasterg erupaa salah satu etode aalss laster dega epertbaga tgat eaggotaa yag eaup hpua fuzzy sebaga dasar pebobota bag pegelopoa (Bezde,98). Metode erupaa pegebaga

Lebih terperinci

Lam piran 1 K uesioner

Lam piran 1 K uesioner LAMPIAN Lam pra K uesoer KUESIONE PENDAHULUAN Saya adalah mahasswa Uverstas Krste Maraatha Badug sedag megadaa peelta dalam pembuata Tugas Ahr. Maa saya megharapa erasamaya utu megs uesoer, saya megharapa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M JP : Volue 4 Noor Ju 0 hal. 4-5 LEA HENSTOCK PADA NTEGRAL uslch Jurusa ateata FPA UNS uslch_us@yahoo.co ABSTRACT. Based o the cshae e partto ad cshae tegral t ca be arraged the e partto ad tegral cocepts.

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

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

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha (sodag@ub-ut.ac.d) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

Lebih terperinci

Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear

Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear JURNL TKNIK ITS Vol. Sept ISSN: -97 - Implemetas lgortma Partcle Swarm utu Meyelesaa Sstem Persamaa Nolear rdaa Rosta Yudh Purwaato da Rully Soelama Jurusa Te Iformata Faultas Teolog Iformas Isttut Teolog

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN. Adapun hasil penelitian akan dijelaskan sebagai berikut : TABEL 4.1

BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN. Adapun hasil penelitian akan dijelaskan sebagai berikut : TABEL 4.1 68 BAB IV HASIL PENELITIAN DAN ANALISIS HASIL PENELITIAN A. Hasl Peelta Adapu hasl peelta aka djelaska sebaga bekut : TABEL 4. Tabel IQ, Iteleges Gada da Tes Hasl Belaja pada Pokok Bahasa Kesebagua Kelas

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

BAB III UKURAN PEMUSATAN (RATA-RATA)

BAB III UKURAN PEMUSATAN (RATA-RATA) BAB III UKUAN PEMUSATAN (ATA-ATA Salah sat ra mer yag mejelasa cr-cr data yag petg adalah ra pemsata, yat ra yag meja psat seggs data yag telah drta dar yag terecl sampa yag terbesar ata sebalya Ura pemsata

Lebih terperinci

Interpretasi Kombinatorial Bilangan Euler. Rektor Sianturi 1. Abstrak

Interpretasi Kombinatorial Bilangan Euler. Rektor Sianturi 1. Abstrak Retor Satur, Iterpretas Kombatoral Blaga Iterpretas Kombatoral Blaga Euler Retor Satur 1 bstra Kombatoral blaga Euler alah suatu proses yag meghtug bayaya alteratf permutas ar hmpua blaga ega umlah geap.

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN A. Tujua Peelta Tujua ag g dcapa dalam peelta adalah utu megetahu apaah hasl belajar perserta dd elas IX MP Nusa Bagsa Mragge Dema pada mater poo volume bagu ruag ss legug

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

E ax by c ae X be Y c. 6.1 Pengertian Umum

E ax by c ae X be Y c. 6.1 Pengertian Umum 6.1 Pegerta Umum Baya permasalaha yag dataya dyataa oleh lebh dar sebuah varabel. Hubuga atara dua atau lebh varabel dapat dyataa secara matemata sehgga merupaa suatu model yag dapat dguaa utu berbaga

Lebih terperinci

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

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event.

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event. BAB II TINJAUAN PUSTAKA. Peahulua Sebelum melaua pembahasa megea permasalaha ar srps, paa Bab II aa uraa beberapa teor peujag ag perraa apat membatu alam pembahasa bab-bab selajuta. Pembahasa paa Bab II

Lebih terperinci

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014) Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

SEPUTAR IDEAL DARI GELANGGANG POLINOM MIRING AROUND IDEAL OF THE SKEW POLYNOMIAL RING

SEPUTAR IDEAL DARI GELANGGANG POLINOM MIRING AROUND IDEAL OF THE SKEW POLYNOMIAL RING SEPUTAR IDEAL DARI GELANGGANG POLINOM MIRING Afra, Ar Kaal Ar da Nur Erawaty Jurusa Mateata Faultas Mateata da Ilu Pegetahua Ala Uverstas Hasaudd (UNHAS) Jl. Perts Keerdeaa KM.0 Maassar 90245, Idoesa thalabu@gal.co

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa

Lebih terperinci

Prosiding Seminar Nasional Matematika dan Pembelajarannya. Jurusan Matematika, FMIPA UM. 13 Agustus 2016

Prosiding Seminar Nasional Matematika dan Pembelajarannya. Jurusan Matematika, FMIPA UM. 13 Agustus 2016 Prosdg Semar Nasoal Matemata da Pembelajaraya. Jurusa Matemata, FMIPA UM. Agustus 06 METODE NUMERIK STEPEST DESCENT DENGAN ARAH PENCARIAN RERATA ARITMATIKA Rumoo Bud Utomo Uverstas Muhammadyah Tagerag

Lebih terperinci

KAJIAN MODEL REGRESI ASYMTOTIC

KAJIAN MODEL REGRESI ASYMTOTIC Podg Sema Naoal Peelta, Pedda da Peeaa MIPA aulta MIPA, Uveta Nege Yogaata, 6 Me 009 KAJIAN MODEL REGRESI ASYMOIC Yul Ada, Da Cahawat, da Nov Yat Juua Matemata MIPA UNSRI Abta Model Rege ole meml ebaa

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam

BAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam BAB LANDASAN TEORI Pegerta Regres da Korelas Pegerta Regres Istlah regres dpereala oleh seorag yag erama Fracs Gulto dalam maalah erjudul regresso towerd medacraty heredtary stature Meurut hasl peelta

Lebih terperinci

METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k

METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k Prma: Jural Program Stud Pedda da Peelta Matemata Vol. 6, No., Jauar 07, hal. 7-59 P-ISSN: 0-989 METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l UNTUK BEBERAPA NILAI

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Sepuluh Nopember

Lebih terperinci

KORELASI DAN REGRESI BERGANDA

KORELASI DAN REGRESI BERGANDA KORELASI DAN REGRESI BERGANDA KORELASI BERGANDA Koelasi begada meupaka alat uku megeai hubuga yag tejadi ataa vaiabel depede () dega dua atau lebih vaiabel idepede,. Dega koelasi begada kekuata atau keeata

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci