BAB IV APLIKASI JARAK MAHALANOBIS
|
|
- Ivan Hermawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB IV Aplikasi Jarak Mahalanobis 42 BAB IV APLIKASI JARAK MAHALANOBIS 4.1 Pendeteksian Outlier k Teknologi pendeteksian outlier dengan menggunakan jarak Mahalanobis merupakan teknologi paling awal dalam memisahkan dan menguji calon-calon outlier. Metode ini sangat efektif jika hanya ada 1 buah outlier dalam himpunan data. Berikut ini akan disajikan algoritma mulai dari algoritma membangkitkan n buah data acak dari distribusi normal p-variat (0, ) N I p, kemudian data ke-n dibuat menjadi data outlier, hingga algoritma pengujian outlier. A. Algoritma membangkitkan data acak Pertama adalah membangkitkan data acak dengan menggunakan StatPlus dalam sistem. Caranya sebagai berikut. - Klik Statplus > Create Data > Random Numbers - Dalam combo box type of distribution pilih normal kemudian isi banyaknya sampel yang mau dibangkitkan (misalnya 5) dan ukuran masing-masing sampelnya (misalnya 100).pada kotak. Pada kotak mean isikan 0 dan pada kotak standard deviation isikan 1. Ini akan menghasilkan 100 buah data acak dari distribusi normal N(0, I p ) dengan p = 5. - Kemudian data ke 100 kita buat menjadi outlier. Caranya dengan menambahkan bilangan x pada setiap kolomnya sehingga data ke 100 akan
2 BAB IV Aplikasi Jarak Mahalanobis 43 berbeda jauh dengan 99 buah data lainnya. Misalnya, ambil x = 5. Jadi, data ke 100 berdistribusi N(5, I p ). - Keseratus data tersebut kita simpan dalam matriks A berukuran (100x5). Berikut adalah contoh matriks data A (100x5) yang diperoleh dari suatu eksperimen. No
3 BAB IV Aplikasi Jarak Mahalanobis
4 BAB IV Aplikasi Jarak Mahalanobis B. Algoritma menghitung kuadrat jarak Mahalanobis - Hitung x ( dibaca x bar ) yaitu vektor rata- rata data, p x R dengan p = 5. Cara menghitungnya dengan MS Excel adalah dengan menggunakan perintah =average(<blok data baris yang bersangkutan>). Matriks data A di atas akan memberikan vektor x sebagai berikut. xbar Kemudian hitung x i matriks data terpusat xi x untuk i = 1, 2,.., 100. Matriks data A memberikan x sebagai berikut. No,
5 BAB IV Aplikasi Jarak Mahalanobis
6 BAB IV Aplikasi Jarak Mahalanobis
7 BAB IV Aplikasi Jarak Mahalanobis 48 - Hitung matriks kovariansi sampel dengan menggunakan program Matlab 7. Caranya, ketik di editor m-file atau command windows sintaks berikut: cov(<data yang akan dihitung matriks kovariansinya>). Contohnya, untuk menghitung matriks kovariansi dari matriks data A, ketiklah perintah cov(a) di editor m-file atau di command windows-nya. Matriks kovariansi yang dihasilkan kita beri nama S. Kemudian hitung invers dari S dengan sintaks inv(<matriks kovariansi yang akan dihitung inversnya>) atau inv(s). Berikut matriks kovariansi yang diberikan A Hitung kuadrat jarak Mahalanobis d = ( x x)* S *( x x) untuk i = 1, 2, 2 1 i i i 2..., 100. Matriks data A akan memberikan nilai d i pada table di bawah ini. i d
8 BAB IV Aplikasi Jarak Mahalanobis
9 BAB IV Aplikasi Jarak Mahalanobis C. Algoritma untuk mendeteksi outlier 2 - Buat plot nilai untuk i = 1, 2,..., 100 terhadap indeksnya. Untuk matriks d i data A akan diperoleh gambar berikut. Pada gambar ini sumbu tegaknya
10 BAB IV Aplikasi Jarak Mahalanobis 51 adalah nilai 2 d i dan sumbu datarnya adalah indeks i = 1, 2,..., 100. GAmbar ini menunjukkan bahwa data ke 100 mempunyai kuadrat jarak Mahalanobis yang sangat besar yaitu Sedangkan data 1 sampai 99 mempunyai kuadrat jarak mahalanobis antara 0 sampai Jadi, data ke 100 patut dicurigai sebagai outlier Gambar 4.1 Hitung nilai cut-off untuk α yang diinginkan dengan menggunakan distribusi pendekatan (chi-square dengan parameter p) karena n cukup besar sehingga efektifitas penggunaan cut-off distribusi pendekatan sama dengan cut-off distribusi eksaknya. Kemudian plot nilai cut-off pada Gambar 4.1 di atas.
11 BAB IV Aplikasi Jarak Mahalanobis 52 Algoritma di atas, jika dilaksanakan dalam Matlab 7, maka pada editor m-filenya diisi dengan sintaks sebagai berikut. A=load('data.txt'); [n p]=size(a); xbar=mean(a); S=cov(A); for i=1:n d2(i)=(a(i,:)-xbar)*inv(s)*(a(i,:)-xbar)'; end cut_pdkt=chi2inv(0.95,p) figure(1) plot(1:n,d2,'*',1:n,cut_pdkt*ones(1,n),'b'); grid on Jika algoritma di atas diterapkan pada matriks data A, maka akan didapat plot jarak Mahalanobis beserta nilai cut-off sebagai berikut untuk α = 5%.
12 BAB IV Aplikasi Jarak Mahalanobis outlier Cut off Gambar 4.2 Pada gambar tampak bahwa data ke 100 berada cukup jauh di atas nilai cut-off. Seperti telah diutarakan di depan, jarak Mahalanobis dapat mengidentifikasi outlier secara efektif karena dalam matriks data A sebenarnya hanya terdapat 1 outlier.
BAB III KAJIAN SIMULASI
BAB III Kajian Simulasi 12 BAB III KAJIAN SIMULASI 3.1 Kajian simulasi tentang efektifitas pengujian 1 outlier Kajian terhadap literatur menghasilkan kesimpulan bahwa pendeteksian outlier dengan menggunakan
Lebih terperinciFORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING
FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN (kata pengantar) 1.1 Latar Belakang 1.2 Tujuan Penulisan
Lebih terperinciPendahuluan. Praktikum Pengantar Pengolahan Citra Digital Departemen Ilmu Komputer Copyright 2008 All Rights Reserved
1 Pengenalan Matlab Pendahuluan Matlab adalah perangkat lunak yang dapat digunakan untuk analisis dan visualisasi data. Matlab didesain untuk mengolah data dengan menggunakan operasi matriks. Matlab juga
Lebih terperinciBAB II TINJAUAN PUSTAKA. Dalam bab ini akan dipaparkan beberapa teori pendukung yang digunakan dalam
BAB II TINJAUAN PUSTAKA Dalam bab ini akan dipaparkan beberapa teori pendukung yang digunakan dalam proses analisis klaster pada bab selanjutnya. 2.1 DATA MULTIVARIAT Data yang diperoleh dengan mengukur
Lebih terperinciUJI NORMALITAS DATA. Sebelum kita bicarakan ujin normalitas berikut kita perhatikan gambar distribusi normal berikut ini :
UJI NORMALITAS DATA Sebelum kita bicarakan ujin normalitas berikut kita perhatikan gambar distribusi normal berikut ini : Garis mendatar pada grafik kurva normal umum adalah sumbu-x Garis mendatar pada
Lebih terperinci6.1 Distribusi Chi Kuadrat Gambar distribusi Chi kuadrat. α Jika x berdistribusi χ 2 (v) dengan v = derajat kebebasan = n 1 maka P (c 1.
Pertemuan ke- BAB IV POPULASI, SAMPEL, DISTRIBUSI TEORITIS, VARIABEL KONTINU, DAN FUNGSI PROBABILITAS. Distribusi Chi Kuadrat Gambar distribusi Chi kuadrat α Jika x berdistribusi χ (v) dengan v = derajat
Lebih terperinciBAB LAMPIRAN Distribusi Peluang dengan SPSS
BAB LAMPIRAN Distribusi Peluang dengan SPSS Dalam modul ini, kita akan mempelajari bagaimana melakukan berbagai analisa berkaitan dengan distribusi peluang menggunakan SPSS 1. Membangkitkan data random
Lebih terperinciKATA PENGANTAR. Penulis. Raizal Dzil Wafa M.
i KATA PENGANTAR Buku ini dibuat untuk memudahkan siapa saja yang ingin belajar MATLAB terutama bagi yang baru mengenal MATLAB. Buku ini sangat cocok untuk pemula terutama untuk pelajar yang sedang menempuh
Lebih terperinciPertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu
Pertemuan ke 5 4.1 Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Fungsi Probabilitas dengan variabel kontinu terdiri dari : 1. Distribusi Normal 2. Distribusi T 3. Distribusi Chi Kuadrat
Lebih terperinciData reaksi berikut telah diperoleh dari reaksi peluruhan sederhana: Menggunakan MATLAB untuk memplot konsentrasi komponen A dalam mol/l
Cara membuat Plot/ Grafik dengan Matlab Pada postingan kali ini akan dibahas membuat grafik visualisasi di MATLAB. Secara khusus mampu membuat grafik sederhana dua dimensi, membuat multiplot dari grafik
Lebih terperinciMODUL I PENGENALAN MATLAB
MODUL I PENGENALAN MATLAB 1. Apa Matlab itu? Matlab merupakan bahasa pemrograman dengan kemampuan tinggi dalam bidang komputasi. Matlab memiliki kemampuan mengintegrasikan komputasi, visualisasi, dan pemrograman.
Lebih terperinciGambar 1. Jendela Ms. Access Pilihan: New : menu untuk membuat file basis data baru. Recent : menu untuk membuka file basis data yang sudah ada.
Mata Pelajaran : Keterampilan Komputer dan Pengelolaan Informasi Standar Kompetensi : Microsoft Office Access Kompetensi Dasar : Mengoperasikan Software Aplikasi Basis Data Kelas : XI Pertemuan 2 A. Menjalankan
Lebih terperinciSTK511 Analisis Statistika. Bagus Sartono
STK511 Analisis Statistika Bagus Sartono Pokok Bahasan Pengenalan analisis dan deskripsi data Sebaran peluang peubah acak. Sebaran penarikan contoh Pendugaan parameter Pengujian hipotesis (t-test, one-way
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Populasi dan Sampel Populasi adalah kelompok besar individu yang mempunyai karakteristik umum yang sama atau kumpulan dari individu dengan kualitas serta ciri-ciri yang telah ditetapkan.
Lebih terperinciTINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan
4 II. TINJAUAN PUSTAKA 2.1 Definisi Pencilan Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan yang bervariasi (beragam). Keberagaman data ini, di satu sisi sangat dibutuhkan dalam
Lebih terperinciPendahuluan RRL Model Pengaruh Tetap Model Pengaruh Random
RANCANGAN RANDOM LENGKAP Pendahuluan RRL RRL atau Rancangan Random Lengkap merupakan rancangan di mana unit eksperimen yang dikenai perlakuan secara random dan menyeluruh lengkap untuk setiap perlakuan.
Lebih terperinci(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN
4 karena adanya perbedaan satuan pengukuran antar peubah. 1.. Memastikan tidak adanya pencilan pada data dengan mengidentifikasi adanya pencilan pada data. Pengidentifikasian pencilan dilakukan dengan
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 terperinciInfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 4, No.1, Februari 2015
METODE ESD (EXTREME STUDENTIZED DEVIATION) UNTUK PENGUJIAN MULTIPLE OUTLIERS Oleh: Masta Hutajulu Pendidikan Matematika, STKIP Siliwangi Bandung mastahutajulu@yahoo.com ABSTRAK Analisis data pada suatu
Lebih terperinciMENGENAL DAN BEKERJA DENGAN PROGRAM PENGOLAH ANGKA (MS. EXCEL) Oleh EDI SETIAWAN
MENGENAL DAN BEKERJA DENGAN PROGRAM PENGOLAH ANGKA (MS. EXCEL) Oleh EDI SETIAWAN ELEMEN-ELEMEN DASAR JENDELA KERJA MICROSOFT EXCEL Baris Judul (Tittle Bar), bagian ini berisi nama file dan nama program
Lebih terperinciBAB 4. APLIKASI RANCANGAN ACAK LENGKAP DUA FAKTOR
BAB 4. APLIKASI RANCANGAN ACAK LENGKAP DUA FAKTOR Sebagaimana telah dijelaskan pada bab sebelumnya bahwa Metode Rancangan Acak Lengkap (RAL) umumnya dipakai pada kondisi lingkungan yang homogen diantaranya
Lebih terperinciBAB I PENDAHULUAN. 1.1.Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1.Latar Belakang dan Permasalahan Response Surface Methodology sudah dikenalkan oleh Box dan Wilson sejak tahun 1951. Dalam buku Design and Analysis of Experiment, Montgomerry (2001),
Lebih terperinciAnalisis Data kategorik tidak berpasangan skala pengukuran numerik
Analisis Data kategorik tidak berpasangan skala pengukuran numerik Uji t dengan 2 kelompok Uji t Tidak Berpasangan Uji t dikembangkan oleh William Sealy Gosset. Dalam artikel publikasinya, ia menggunakan
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. Pada bab ini akan dijelaskan mengenai kebutuhan sistem, implementasi dan
BAB IV IMPLEMENTASI DAN EVALUASI Pada bab ini akan dijelaskan mengenai kebutuhan sistem, implementasi dan evaluasi simulasi pelayanan retoran cepat saji dengan menggunakan metode next event time advance.
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Statistical Process Control (SPC) Statistical Process Control (SPC) merupakan teknik penyelesaian masalah yang digunakan sebagai pemonitor, pengendali, penganalisis, pengelola,
Lebih terperinciDISTRIBUSI KUADRAT JARAK MAHALANOBIS KLASIK : KAJIAN LITERATUR DAN SIMULASI. Diajukan sebagai syarat mengikuti sidang Sarjana Matematika
DISTRIBUSI KUADRAT JARAK MAHALANOBIS KLASIK : KAJIAN LITERATUR DAN SIMULASI Diajukan sebagai syarat mengikuti sidang Sarjana Matematika Program Studi Matematika Institut Teknologi Bandung Disusun oleh
Lebih terperinciTINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis
TINJAUAN PUSTAKA Diagram Kotak Garis Metode diagram kotak garis atau boxplot merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran dan kemiringan pola
Lebih terperinci2.1 Soal Matematika Dasar UM UGM c. 1 d d. 3a + b. e. 3a + b. e. b + a b a
Soal - Soal UM UGM. Soal Matematika Dasar UM UGM 00. Jika x = 3 maka + 3 log 4 x =... a. b. c. d. e.. Jika x+y log = a dan x y log 8 = b dengan 0 < y < x maka 4 log (x y ) =... a. a + 3b ab b. a + b ab
Lebih terperinciPengantar Pemrograman MATLAB
Pengantar Pemrograman MATLAB Pengantar Pemrograman MATLAB Amir Tjolleng, M.Sc. PENERBIT PT ELEX MEDIA KOMPUTINDO Pengantar Pemrograman MATLAB Amir Tjolleng, M.Sc. 2017, PT. Elex Media Komputindo, Jakarta
Lebih terperinci4. BILANGAN ACAK dan Pembangkitannya
4. BILANGAN ACAK dan Pembangkitannya 4.1. Pengantar Bilangan Acak Bilangan acak merupakan suatu besaran dasar dalam modeling dan teknikteknik simulasi. Pada modeling dan simulasi banyak sekali memanfaatkan
Lebih terperinciII. TINJAUAN PUSTAKA. real. T dinamakan himpunan indeks dari proses atau ruang parameter yang
II. TINJAUAN PUSTAKA 2.1 Proses Stokastik Stokastik proses = { ( ), } adalah kumpulan dari variabel acak yang didefinisikan pada ruang peluang (Ω, ς, P) yang nilai-nilainya pada bilangan real. T dinamakan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Matriks Matriks adalah himpunan bilangan real yang disusun secara empat persegi panjang, mempunyai baris dan kolom dengan bentuk umum : Tiap-tiap bilangan yang berada didalam
Lebih terperinciMINITAB. Perbandingan kelebihan dan kelemahan program aplikasi statistik Minitab SPSS SAS Eviews. Analisis statistik dalam
MINITAB Minitab adalah salah satu aplikasi yang digunakan untuk mengolah data statistik. Selain minitab aplikasi lainnya yang digunakan dalam mengolah data statistik adalah: SPSS. SAS. StatGraph. Eviews.
Lebih terperinciREGRESI KUANTIL (STUDI KASUS PADA DATA SUHU HARIAN) Abstrak
REGRESI KUANTIL (STUDI KASUS PADA DATA SUHU HARIAN) Rita Rahmawati 1, Widiarti 2, Pepi Novianti 3 1) Program Studi Statistika FMIPA Undip 2) Sekolah Pascasarjana Departemen Statistika IPB 3) Jurusan Matematika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa konsep dasar yang akan digunakan sebagai landasan berpikir seperti beberapa literatur yang berkaitan dengan penelitian ini. Dengan begitu akan mempermudah
Lebih terperinciBAB III ANALISIS, ALGORITMA, DAN CONTOH PENERAPAN
BAB III ANALISIS, ALGORITMA, DAN CONTOH PENERAPAN 3.1 Analisis Berdasarkan cara menghitung besaran-besaran yang telah disebutkan pada Bab II, diperoleh perumusan untuk besaran-besaran tersebut sebagai
Lebih terperinciPERCOBAAN 1 PENGENALAN MATLAB UNTUK STATISTIK
PERCOBAAN 1 PENGENALAN MATLAB UNTUK STATISTIK 1.1. Tujuan : Setelah melaksanakan praktikum ini mahasiswa diharapkan mampu : Memakai beberapa jenis fungsi khusus di Matlab untuk statistik Membuat pemrograman
Lebih terperinciBAHAN DAN METODE. Bahan
15 BAHAN DAN METODE Bahan Model Populasi Hipotetik Pada penelitian ini akan digunakan pendekatan simulasi untuk mengevaluasi efektivitas algoritma TwoStep Cluster, sebagai mana dinyatakan pada tujuan penelitian.
Lebih terperinciDAFTAR ISI. ABSTRAK... i. KATA PENGANTAR... ii. UCAPAN TERIMA KASIH... iii. DAFTAR ISI... vi. DAFTAR TABEL... x. DAFTAR GAMBAR...
DAFTAR ISI Halaman LEMBAR PENGESAHAN PERNYATAAN ABSTRAK... i KATA PENGANTAR... ii UCAPAN TERIMA KASIH... iii DAFTAR ISI... vi DAFTAR TABEL... x DAFTAR GAMBAR... xii DAFTAR LAMPIRAN... xiv BAB I PENDAHULUAN...
Lebih terperinciBAB III METODOLOGI PERHITUNGAN
BAB III METODOLOGI PERHITUNGAN Pada bab ini menguraikan langkah-langkah sistematis yang dilakukan dalam perhitungan. Metodologi merupakan kerangka dasar dari tahapan penyelesaian tugas akhir. Metodologi
Lebih terperinciLampiran 1. Perhitungan Manual Uji T 2 Hotelling Berbagai Ukuran Tubuh pada Kuda Delman Jantan Manado vs Tomohon. Rumus: T 2 = X X S X X
LAMPIRAN Lampiran 1. Perhitungan Manual Uji T 2 Hotelling Berbagai Ukuran Tubuh pada Kuda Delman Jantan Manado vs Tomohon Rumus: T 2 = X X S X X Selanjutnya: F = n + n p 1 (n + n 2) P T akan terdistribusi
Lebih terperinciPENGENALAN ALAT HITUNG: KALKULATOR DAN FUNGSI KALKULATOR PADA PROGRAM R STATISTIKA
Praktikum Perancangan Percobaan 1 PRAKTIKUM 1 PENGENALAN ALAT HITUNG: KALKULATOR DAN FUNGSI KALKULATOR PADA PROGRAM R STATISTIKA A. Tujuan Instruksional Khusus Mahasiswa diharapkan mampu: a. Menggunakan
Lebih terperinciBAGIAN 1 SINTAK DASAR MATLAB
BAGIAN 1 SINTAK DASAR MATLAB Pada bagian 1 ini, akan diuraikan tentang bagaimana mendefinisikan data, operasi data dan teknik mengakses data pada Matlab. Untuk lebih memahami, pembaca sebaiknya mecobanya
Lebih terperinciMinggu VIII dan IX PERBANDINGAN MEAN DUA POPULASI NORMAL MULTIVARIAT
Minggu VIII dan IX PERBANDINGAN MEAN DUA POPULASI NORMAL MULTIVARIAT Herni Utami Universitas Gadjah Mada Misalkan X 1j = X 2j = X 1j1 X 1jp X 2j1 X 2jp adalah observasi ke-j dari sampel 1 adalah observasi
Lebih terperinciMODUL UJI NON PARAMETRIK (CHI-SQUARE/X 2 )
MODUL UJI NON PARAMETRIK (CHI-SQUARE/X 2 ) Tujuan Praktikum: Membantu mahasiswa memahami materi Distribusi Chi Square Pengambilan keputusan dari suatu kasus dengan menggunakan kaidah dan syarat Distribusi
Lebih terperinciMembangkitkan Bilangan Acak Menggunakan Matlab
Membangkitkan Bilangan Acak Menggunakan Matlab Achmad Basuki 2004 Materi Linear Congruent Method Metode Resuffle Fungsi Standard Membangkitkan Bilangan Acak Menampilkan Grafik Bilangan Acak Pseudo Random
Lebih terperinci(R.14) METODE MINIMUM COVARIANCE DETERMINANT PADA ANALISIS REGRESI LINIER BERGANDA DENGAN KASUS PENCILAN
(R.14) MEODE MINIMUM COVARIANCE DEERMINAN PADA ANALISIS REGRESI LINIER BERGANDA DENGAN KASUS PENCILAN Dini Aderlina, Firdaniza, Nurul Gusriani Jurusan Matematika FMIPA Universitas Padjadjaran Jl. Raya
Lebih terperinciMembangkitkan Bilangan Acak Menggunakan Matlab. Achmad Basuki
Membangkitkan Bilangan Acak Menggunakan Matlab Achmad Basuki 2004 Materi Linear Congruent Method Metode Resuffle Fungsi Standard Membangkitkan Bilangan Acak Grafik dan Statistik Bilangan Acak Pseudo Random
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang digunakan adalah Quasi Experiment atau Penelitian
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan adalah Quasi Experiment atau Penelitian Semu. Jenis penelitian ini dilakukan untuk menguji hipotesis tentang efektif atau tidaknya
Lebih terperinciDASAR-DASAR PEMROGRAMAN. MS-EXCEL dan VBA Macro
DASAR-DASAR PEMROGRAMAN MS-EXCEL dan VBA Macro Setijo Bismo - Departemen Teknik Kimia FTUI - September 2015 PENGENALAN AWAL: Cara Membuka Editor Macro ( VBA ) (#1) Ingat: +, dapat dipakai untuk: Run Macro
Lebih terperinciBAB III PEMROGRAMAN MATLAB 2 Copyright by
BAB III PEMROGRAMAN MATLAB 2 1 M-File M-file merupakan sederetan perintah matlab yang dituliskan secara berurutan sebagai sebuah file. Nama file yang digunakan berekstensi m yang menandakan bahwa file
Lebih terperinciNilai harapan suatu variabel acak x ditulis E (x) didefinisikan E (x) = Σ x. f (x) Var (x) = σ x 2 = E [ x E (x) ] 2 = E (x 2 ) { E (x) } 2
Pertemuan ke- 4 BAB III POPULASI, SAMPEL & DISTRIBUSI TEORITIS VARIABEL DISKRIT DAN FUNGSI PROBABILITAS 3.1 Variabel Random atau Variabel Acak Variabel yang nilainya merupakan suatu bilangan yang ditentukan
Lebih terperinciTINJAUAN PUSTAKA. Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan
4 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Matriks 2.1.1 Matriks Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan dalam susunan itu disebut anggota dalam matriks tersebut. Suatu
Lebih terperinciPertemuan 8 & 9. Distribusi Probab Multivariat Distr Multivar untuk Kombinasi Linier Uji Hipotesis Kesamaan Mean
Pertemuan 8 & 9 Distribusi Probab Multivariat Distr Multivar untuk Kombinasi Linier Uji Hipotesis Kesamaan Mean Distribusi Normal Multivariat Ingat V.R.Univariat Variabel random univariat X berdistribusi
Lebih terperinciBAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
Lebih terperinciBAB IX PERANGKAT LUNAK PRESENTASI
BAB IX PERANGKAT LUNAK PRESENTASI 9.1 Pendahuluan A. Deskripsi Singkat Pada bab ini akan dijelaskan tentang beberapa penerapan dari perangkat lunak presentasi. Di dalamnya akan diuraikan bagaimana cara
Lebih terperinciBAB III MODEL REGRESI DATA PANEL. Pada bab ini akan dikemukakan dua pendekatan dari model regresi data
BAB III MODEL REGRESI DATA PANEL Pada bab ini akan dikemukakan dua pendekatan dari model regresi data panel, yaitu pendekatan fixed effect dan pendekatan random effect yang merupakan ide pokok dari tugas
Lebih terperinciBAB 3 ANALISA DATA. produksi kelapa sawit dari tahun 2007 sampai dengan tahun Tabel 3.1 Data Produksi Kelapa Sawit di
BAB 3 ANALISA DATA 3.1 Pengumpulan Data Data yang digunakan untuk penganalisaan tugas akhir ini adalah data jumlah hasil produksi kelapa sawit dari tahun 2007 sampai dengan tahun 2014 Tabel 3.1 Data Produksi
Lebih terperinciCara membuat Label Gambar, Persamaan, dan Tabel, serta Lampiran pada Office 2003
Cara membuat Label Gambar, Persamaan, dan Tabel, serta Lampiran pada Office 2003 Ini tips yang saya buat, silahkan gunakan bagi yang merasa membutuhkannya. Namun jika anda ingin menyebarkannya ke orang
Lebih terperinciketerangan : (line_cpi(sumbu Y)_year(sumbux),title(Consumer Price Index sebagai judul)
Rangkuman PERSIAPAN UTS LAB EKMET PENYUSUN : Nurul Aini (041511133128) Langkah awal : PJ TUTOR HIMA (STAFF KEILMUAN HIMA EP) 1. Pastikan format dalam english caranya : control panel language English US
Lebih terperinciBAB II KAJIAN PUSTAKA. dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat
BAB II KAJIAN PUSTAKA 2.1 Konsep Dasar Runtun Waktu Data runtun waktu (time series) merupakan data yang dikumpulkan, dicatat, atau diobservasi sepanjang waktu secara berurutan. Periode waktu dapat berupa
Lebih terperinci2.3 Algoritma Tidak Berhubungan dengan Bahasa Pemrograman Tertentu
DAFTAR ISI BAB 1 Pengantar Sistem Komputer Dan Pemrograman 1.1 Sistem Komputer 1.2 Program, Aplikasi, Pemrogram, dan Pemrograman 1.3 Kompiler dan Interpreter 1.4 Kesalahan Program BAB 2 Pengantar Algoritma
Lebih terperinciMicrosoft Excel. I. Pendahuluan
Microsoft Excel I. Pendahuluan Microsoft Excel adalah General Purpose Electronic Spreadsheet yang bekerja dibawah Sistem Operasi Windows. Microsoft Excel dapat digunakan untuk menghitung angka-angka, bekerja
Lebih terperinciBAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,
BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi
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 terperinciDATA DAN METODE Sumber Data
14 DATA DAN METODE Sumber Data Data yang digunakan dalam penelitian ini adalah data hasil simulasi dan data dari paket Mclust ver 3.4.8. Data simulasi dibuat dalam dua jumlah amatan yaitu 50 dan 150. Tujuan
Lebih terperinciBAB III PEMBAHASAN. Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk
BAB III PEMBAHASAN 3.1. Kriging Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk menonjolkan metode khusus dalam moving average terbobot (weighted moving average) yang meminimalkan variansi
Lebih terperinciSETTING AUTOCAD. 3.1 Media Gambar
3 SETTING AUTOCAD 3.1 Media Gambar Media yang umum digunakan untuk menggambar tentu saja kertas. AutoCAD menyediakan dua macam media untuk menggambar, yaitu media model dan media paper. Gambar 3.1 Media
Lebih terperinciBAB III ALGORITMA DAN PERANCANGAN ALGORITMA DAN PERANCANGAN
BAB III ALGORITMA DAN PERANCANGAN ALGORITMA DAN PERANCANGAN Model proses pengembangan perangkat lunak yang penulis gunakan adalah Model Linear Sequential atau sering disebut Water Fall Model. Metode pengembangan
Lebih terperinciSTATISTIK DESKRIPTIF. Abdul Rohman, S.E
LOGO STATISTIK DESKRIPTIF Konsep Statistika STATISTIKA : Kegiatan untuk : mengumpulkan data menyajikan data menganalisis data dengan metode tertentu menginterpretasikan hasil analisis KEGUNAAN? Melalui
Lebih terperinciPemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi
Pemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi Oleh : Teguh Purianto (0 09 06) Dosen Pembimbing : Wibawati, S.Si., M.Si. ABSTRAK Anak
Lebih terperinciPERBANDINGAN METODE COEFFICIENT OF DETERMINATION RATIO DAN REGRESI DIAGNOSTIK DALAM MENDETEKSI OUTLIER PADA ANALISIS REGRESI LINIER BERGANDA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 153 158. PERBANDINGAN METODE COEFFICIENT OF DETERMINATION RATIO DAN REGRESI DIAGNOSTIK DALAM MENDETEKSI OUTLIER PADA ANALISIS
Lebih terperinciMetode Minimum Covariance Determinan Pada Analisis Regresi Linier Berganda Dengan Kasus Pencilan
Metode Minimum Covariance Determinan Pada Analisis Regresi Linier Berganda Dengan Kasus Pencilan Minimum Covariance Determinants Method On Multiple Linear Regression Analysis The Case Outliers Sifriyani
Lebih terperinciPEMBANGKIT RANDOM VARIATE
PEMBANGKIT RANDOM VARIATE Mata Kuliah Pemodelan & Simulasi JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probalitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinciBAB 2. APLIKASI RANCANGAN ACAK LENGKAP 1 FAKTOR
BAB 2. APLIKASI RANCANGAN ACAK LENGKAP 1 FAKTOR Rancangan Acak Lengkap (RAL) merupakan rancangan yang paling sederhana dibanding rancangan lainnya. Penggunaan RAL di berbagai bidang penelitian telah banyak
Lebih terperinciAnalisis Komponen Utama (Principal component analysis)
Analisis Komponen Utama (Principal component analysis) A. LANDASAN TEORI Misalkan χ merupakan matriks berukuran nxp, dengan baris-baris yang berisi observasi sebanyak n dari p-variat variabel acak X. Analisis
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode yang Digunakan Metode yang digunakan dalam menganalisis data pada penelitian ini yaitu metode deskriptif dan verifikatif. Sukmadinata,NS (2005:74) berpendapat bahwa:
Lebih terperinciA. Kompetensi Setelah mengiktui mata kuliah ini, mahasiswa diharapkan dapat memahami dan bisa melakukan:
No. LST/EKA/PTI 236/07 Revisi: 01 April 2011 Hal 1 dari 9 A. Kompetensi Setelah mengiktui mata kuliah ini, mahasiswa diharapkan dapat memahami dan bisa melakukan: 1. Mengenal dan menggunakan matlab sebagai
Lebih terperinciA P L I K A S I M A N A J E M E N P E R K A N T O R A N B P E R T E M U A N 6 C H A R T
A P L I K A S I M A N A J E M E N P E R K A N T O R A N B P E R T E M U A N 6 C H A R T PEMBAHASAN Jenis-jenis Chart Membuat & Memodifikasi Chart Menampilkan dan Mencetak Chart Jenis Chart 1. Column charts
Lebih terperinciMODUL I MENGENAL MATLAB
MODUL I MENGENAL MATLAB TUJUAN Mahasiswa dapat mengenal MATLAB Mahasiswa dapat menggunakan fungsi Help Mahasiswa dapat menggunakan operasi pada MATLAB TEORI Gambaran sederhana tentang MATLAB adalah sebuah
Lebih terperinciBAB 5 ANALISA DATA 5.1 PENDAHULUAN Count Total Statistics Profile Stratify Classify Histogram Age Sequence Duplicates Gaps Verify Search
BAB 5 ANALISA DATA 5.1 PENDAHULUAN Pada bagian ini kita akan mempelajari fungsi-fungsi yang digunakan untuk menguji validasi dan kelengkapan data. Fungsi-fungsi tersebut meliputi : 1. Count menghitung
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Saji Dengan Menggunakan Metode Next-event Time Advance.
BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dijelaskan mengenai analisis dari permasalahan yang diambil beserta rancangan sistem dari Aplikasi Simulasi Pelayanan Restoran Cepat Saji Dengan
Lebih terperinciPengantar Pengolahan Data Statistik Menggunakan SPSS 22. Isram Rasal ST, MMSI, MSc
Pengantar Pengolahan Data Statistik Menggunakan SPSS 22 Isram Rasal ST, MMSI, MSc Statistika Statistika Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi,
Lebih terperinciKURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana)
KURVA NORMAL (Sumber: Buku Metode Statistika tulisan Sudjana) Distribusi Normal (Distribusi GAUSSE) Kurva Normal Suatu alat statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa
Lebih terperinciV. IMPLEMENTASI SISTEM. yang dibutuhkan oleh sistem dari media penyimpan program ke dalam media
V. IMPLEMENTASI SISTEM A. Instalasi Sistem Instalasi sistem temukembali citra adalah proses menggandakan seluruh file yang dibutuhkan oleh sistem dari media penyimpan program ke dalam media penyimpan komputer.
Lebih terperinci:Mahasiswa dapat mempraktekkan penggunaan array
Praktikum : Pemrograman II Modul Praktikum ke : 06 Judul Materi : Array Tujuan / Sasaran :Mahasiswa dapat mempraktekkan penggunaan array Waktu (lama) : 3 Jam Aplikasi yang digunakan : Visual Basic I. Array/Matrik
Lebih terperinciMODUL 2 UJI DATA NORMALITAS, HOMOSEDASTISITAS, & LINIERITAS
TUJUAN PRAKTIKUM Tujuan dari praktikum modul 2 ini adalah : 1. Mahasiswa mampu menilai kualitas data yang hendak digunakan dalam penelitian; 2. Mahasiswa mampu menelaah apakah data yang dimiliki memenuhi
Lebih terperinciModul 6 Mengoperasikan Perangkat Lunak Lembar Sebar (Open Source) 1 KEGIATAN BELAJAR 2
Modul 6 Mengoperasikan Perangkat Lunak Lembar Sebar (Open Source) 1 KEGIATAN BELAJAR 2 3.1. Modul 3.1.1. Mengenali Bagian-Bagian, Menu dan Istilah dalam Open Office Calc. Open Office Calc adalah salah
Lebih terperinciBAB 4 DIGITASI. Akan muncul jendela Create New Shapefile
BAB 4 DIGITASI 4.1. Membuat Data Spasial Baru Pada bagian ini, akan dipelajari bagaimana membuat data spasial baru dengan format shapefile yang merupakan format standard Arc View. Buka ArcCatalog Tentukan
Lebih terperinciBAB 3 PEMECAHAN MASALAH DENGAN MENGGUNAKAN EXCEL
23 BAB 3 PEMECAHAN MASALAH DENGAN MENGGUNAKAN EXCEL Seperti sudah disinggung dalam Bab 1, penggunaan spreadsheet dalam pembelajaran matematika untuk level kedua dan ketiga berturut-turut adalah siswa merancang
Lebih terperinciSolusi MATLAB. Double Click salah satu kotak input sehingga muncul Membership Function Editor. Pada Membership Function Editor:
PRAKTIKUM 2 Studi Kasus 2: Metode Sugeno Suatu perusahaan mampu memproduksi rata-rata 50.000 unit barang per hari, dan dalam 3 bulan terakhir permintaan tertinggi sebesar 75.000 unit. Barang yang tersedia
Lebih terperinciBAB 7 APLIKASI RANCANGAN PETAK TERPISAH
BAB 7 APLIKASI RANCANGAN PETAK TERPISAH Rancangan split plot design atau dalam bahasa Indonesia disebut Rancangan Petak Terpisah atau Rancangan Petak Terbagi (RPT) merupakan jenis percobaan faktorial (lebih
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi merupakan suatu metode yang digunakan untuk mengetahui hubungan satu arah antara variabel prediktor dan variabel respon yang umumnya dinyatakan
Lebih terperinciMatematika EBTANAS Tahun 1986
Matematika EBTANAS Tahun 986 EBT-SMA-86- Bila diketahui A = { x x bilangan prima < }, B = { x x bilangan ganjil < }, maka eleman A B =.. 3 7 9 EBT-SMA-86- Bila matriks A berordo 3 dan matriks B berordo
Lebih terperinciModul 5 Mengoperasikan Perangkat Lunak Lembar Sebar (Open Source) 1 KEGIATAN BELAJAR 2
Modul 5 Mengoperasikan Perangkat Lunak Lembar Sebar (Open Source) 1 KEGIATAN BELAJAR 2 3.1. Modul 3.1.1. Mengenali Bagian-Bagian, Menu dan Istilah dalam Open Office Calc. Open Office Calc adalah salah
Lebih terperinciPRAKTIKUM 1 SINYAL, SYSTEM, DAN KONTROL PENGENALAN MATLAB 1. Percobaan 1 Vektor Penulisan vektor di MATLAB
PRAKTIKUM 1 SINYAL, SYSTEM, DAN KONTROL PENGENALAN MATLAB 1. Percobaan 1 Vektor Penulisan vektor di MATLAB Membuat vector dengan nilai antara 0 dan 16 dengan kenaikan 2. Menjumlahkan vector Menjumlakan
Lebih terperinciKOMPUTASI GUI UNTUK INFERENSI VEKTOR MEAN DAN INFERENSI MATRIKS KOVARIANSI DENGAN MENGGUNAKAN SOFTWARE R
ISSN 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 1097-1107 Online di http//ejournal-s1.undip.ac.id/index.php/gaussian KOMPUTASI GUI UNTUK INFERENSI VEKTOR MEAN DAN INFERENSI MATRIKS
Lebih terperinciAplikasi Komputer. Bekerja Dengan Microsoft Excel Access (1) Ita Novita, S.Kom, M.T.I. Modul ke: Fakultas ILMU KOMPUTER. Program Studi Informatika
Modul ke: Aplikasi Komputer Bekerja Dengan Microsoft Excel Access (1) Fakultas ILMU KOMPUTER Ita Novita, S.Kom, M.T.I Program Studi Informatika www.mercubuana.ac.id Pengenalan MS. Access 2010 Aplikasi
Lebih terperinciGRAFIK (CHART) Aplikasi Manajemen Perkantoran B 1
GRAFIK (CHART) Grafik (Chart) biasanya sering digunakan untuk mengetahui suatu kenaikan atau penurunan dari angka-angka yang terjadi pada suatu data, apakah data tersebut semakin lama semakin meningkat
Lebih terperinciBAB 4 PENYELESAIAN SISTEM PERSAMAAN LINEAR
BAB 4 PENYELESAIAN SISTEM PERSAMAAN LINEAR A. Latar Belakang Persoalan yang melibatkan model matematika banyak muncul dalam berbagai disiplin ilmu pengetahuan, seperti dalam bidang fisika, kimia, ekonomi,
Lebih terperinci