Fakultas Ekonomi Universitas Jenderal Soedirman 2) Fakultas Ekonomi Universitas Jenderal Soedirman ABSTRACT
|
|
- Dewi Kurnia
- 7 tahun lalu
- Tontonan:
Transkripsi
1 EKO-REGIONAL, Vol 2, No.2, September 2007 PENGARUH KAPITAL DAN HUMAN CAPITAL TERHADAP PRODUK DOMESTIK BRUTO DI INDONESIA TAHUN Oleh: Ratna Setyawati Gunawan 1) dan Diah Setyorini Gunawan 2) 1) Faultas Eonomi Universitas Jenderal Soedirman 2) Faultas Eonomi Universitas Jenderal Soedirman ABSTRACT The article was aimed to analyze the influence of capital and human capital to the gross domestic product (GDP) in Indonesia during The result, using Engle-Granger s Error Correction Model, shows that in the short term there is only one variable that have influence to GDP, that is, capital. In the long term estimation, both variables that are capital and human capital have influence to GDP. Key words: capital, human capital, gross domestic product, error correction model PENDAHULUAN Fous ebijaan pemerintah di negara sedang berembang, termasu Indonesia adalah pertumbuhan yang tinggi dan berelanjutan ( high and sustainable growth). Bahan setelah Perang Dunia II, menurut Crafts (dalam D ewan dan Hussein, 2001:2), tren pertumbuhan produ domesti bruto (PDB) riil menjadi tujuan utama hampir di semua negara. Adapun untu mencapai dan mempertahanan tingat pertumbuhan yang tinggi ini, pembuat ebijaan harus memahami penentu pertumbuhan dan bagaimana ebijaan aan mempengaruhi pertumbuhan. Beberapa studi telah dilauan untu menemuan jalur janga panjang pertumbuhan (the long run growth path). Studi paling awal dilauan oleh Solow (1956) dan Swan (1956) berdasaran teori Neo lasi. Model pertumbuhan Solow-Swan memperiraan bahwa pada steady state equilibrium, tingat PDB per apita aan ditentuan oleh penggunaan tenologi dan tingat tabungan esogenus, pertumbuhan pendudu dan emajuan tenis. Sebagai salah satu fator yang mempengaruhi pertumbuhan eonomi, maa perlu dilauan penelitian tentang pengaruh apital dan human capital terhadap PDB. Pada penelitian ini, fungsi produsi aan digunaan untu menjelasan fator penentu pertumbuhan, hususnya aan menggunaan model pertumbuhan Neo Klasi dari Solow. Model ini mengasumsian bahwa total output tergantung pada ualitas dan uantitas apital dan tenaga erja yang digunaan dan fungsi produsi memilii sala pengembalian onstan (constant return to scale). Penelitian ini nantinya aan menggunaan model linier dinami yaitu model oresi esalahan atau error correction model. Thomas (1997:313) mengemuaan tiga alasan penggunaan model linier dinami yaitu alasan tenologis, alasan psiologis dan alasan adanya etidasempurnaan informasi oleh pelau-pelau eonomi. Selain itu model linier dinami dapat dipaai untu menjelasan mengapa pelau eonomi menghadapi adanya etidaseimbangan (disequilibrium) dalam ontes bahwa fenomena yang diinginan ( desired) oleh pelau eonomi belum tentu sama dengan apa yang senyatanya (actual) yang dihadapi antar watu (Insuindro, 1999:2). METODE ANALISIS 1. Penelitian Terdahulu Barro (1991) melauan penelitian tentang pertumbuhan eonomi di 98 negara dengan periode watu Hasil dari penelitiannya yaitu tingat pertumbuhan dari GDP per apita riil berhubungan positif dengan initial human capital (yang diprosi dari tingat pendaftaran seolah) dan dia juga meneanan bahwa human capital merupaan elemen penting bagi pertumbuhan eonomi. Braun dan Kubota (2000) melauan penelitian pada tahun tentang pengaruh government capital pada produtivitas peerja ( labor) di Jepang. Hasilnya yaitu total factor productivity dari tenologi pemerintah berada di bawah tenologi produsi setor swasta. Hal ini disebaban arena adanya perbedaan emampuan manajerial antara setor pemerintah dan swasta. Soderbom dan Teal (2003) melauan penelitian tentang eterbuaan ( openness) dan 67
2 Pengaruh apital dan Human... (Ratna dan Diah) human capital sebagai sumber pertumbuhan produtivitas. Penelitiannya dilauan di 41 negara yang termasu dalam middle income developing countries pada tahun 1965 sampai dengan tahun Hasilnya adalah eterbuaan yang besar menyebaban tingat pertumbuhan produtivitas tinggi. Jia tingat eterbuaan pereonomian menjadi dua ali lipat maa tingat emajuan tenis aan meningat 0,8 persen per tahun. Tida ada buti bahwa human capital mempunyai pengaruh pada pertumbuhan produtivitas. Human capital hanya berpengaruh ecil dan secara statisti tida signifian. 2. Jenis dan Sumber Data Data yang digunaan dalam penelitian ini adalah data runtun watu ( time-series) negara Indonesia selama periode atau selama 36 tahun. Data yang dimasudan dalam penelitian ini adalah data tingat produ domesti bruto menurut harga onstan atau riil, apital dan human capital. Data-data tersebut diumpulan dari beberapa sumber, antara lain dari Statisti Indonesia, Key Indicator of Developing Asian and Pacific Countries dan International Financial Statistics. Data-data tersebut masing-masing diterbitan oleh Badan Pusat Statisti (BPS), Asian Development Ban (ADB) dan International Monetary Fund (IMF). 3. Definisi Operasional Variabel Penelitian Variabel-variabel yang aan ditasir dalam penelitian ini adalah sebagai beriut. 1. Produ domesti bruto yang dimasudan dalam penelitian ini adalah total nilai produsi barang dan jasa yang diprodusi suatu negara pada tahun tertentu. 2. Kapital yang dimasudan dalam penelitian ini adalah gross capital stoc. 3. Human capital atau sumber daya manusia didefinisian sebagai tenaga erja yang beerja (employment). 4. Model Dasar Model yang digunaan dalam penelitian ini adalah model fungsi produsi yaitu Q = f(k,l), dimana PDB merupaan fungsi dari apital dan human capital. 5. Teni Analisis Spesifiasi model dinami merupaan satu hal yang penting dalam pembentuan model eonomi dan analisis yang menyertainya. Hal ini arena sebagian besar analisis eonomi beraitan erat dengan analisis runtun watu ( time series) yang sering diwujudan oleh hubungan antara perubahan suatu besaran eonomi dan ebijaan eonomi di suatu saat dan pengaruhnya terhadap gejala dan perilau eonomi di saat yang lain. Hubungan semacam ini telah banya dicoba untu dirumusan dalam model linear dinami, namun sampai saat ini belum ada esepaatan mengenai model dinami mana yang paling coco untu suatu analisis eonomi. Kelangaan aan adanya esepaatan tersebut diarenaan adanya banya fator yang berpengaruh dalam pembentuan model, misalnya: pengaruh fator elembagaan, peranan penguasa eonomi dan pandangan si pembuat model mengenai gejala dan situasi eonomi yang menjadi pusat perhatiannya (Insuindro, d, 2003 :105). Penurunan model linear dinami dapat dilauan dengan menggunaan dua pendeatan. Pertama, pendeatan Autoregressive Distributed Lag (ADL), dan edua, dengan pendeatan fungsi biaya uadrat (quadratic cost function) atau sering pula disebut dengan pendeatan teori eonomi terhadap model dinami. Pendeatan ADL dilauan dengan memasuan variable elambanan edalam model, sedangan pada pendeatan fungsi biaya uadrat dianggap bahwa dalam model terjadi etidaseimbangan (disequilibrium) sehingga timbul biaya yang terdiri dari biaya etidaseimbangan (disequilibrium cost) dan biaya penyesuaian ( adjustment cost). Fungsi biaya uadrat tersebut terdiri dari fungsi biaya uadrat tunggal dan fungsi biaya uadrat ganda. Dalam penelitian ini hanya aan memusatan perhatian pada pendeatan fungsi biaya uadrat bai fungsi biaya uadrat tunggal maupun fungsi biaya uadrat ganda. Model dinami yang dapat diturunan dari pendeatan fungsi biaya uadrat tunggal adalah pendeatan model penyesuaian parsial ( Partial Adjustment Model) dan model oresi esalahan (Error Correction Model). Pada penelitian ini hanya aan dibahas dan digunaan model oresi esalahan. a. Pendeatan Kointegrasi Seperti telah diuraian sebelumnya, dalam model sto penyangga masa depan diasumsian bahwa para pelau eonomi aan memperbaharui harapan aan suatu variabel tertentu berdasaran informasi terbaru yang merea terima. Hal ini menunjuan adanya hubungan antara model dinamis dengan pembentuan harapan. Asumsi tersebut aan menghasilan variabel-variabel harapan pada model sto penyangga masa depan. Variabel variabel harapan tida dapat diobservasi, sehingga diperluan suatu cara untu mengestimasi variabel-variabel tersebut. Salah satu cara untu mengestimasi nilai variabel yang tida dapat diobservasi adalah dengan pendeatan ointegrasi. Alasan digunaannya pendeatan ini selain relatif lebih mudah dibandingan dengan teni-teni pemecahan yang lain juga dapat dietahui 68
3 EKO-REGIONAL, Vol 2, No.2, September 2007 emunginan adanya hubungan eseimbangan janga panjang antar variabel eonomi seperti yang diehendai oleh teori eonomi dan merupaan bagian penting dalam perumusan dan estimasi suatu model dinamis. Pendeatan ointegrasi beraitan dengan upaya untu menghindari terjadinya regresi lancung yang aan mengaibatan oefisien regresi penasir tida efisien. Beraitan dengan hal ini, perlu diyaini terlebih dahulu bahwa himpunan data yang aan digunaan bersifat stasioner. Untu mengetahui apaah data yang digunaan stasioner atau tida, dilauan uji araar unit dan uji derajat integrasi. Data yang stasioner pada dasarnya tida memilii variasi yang terlalu besar selama periode observasi dan memilii ecenderungan untu mendeati nilai rata-ratanya. Estimasi dengan menggunaan data yang non-stasioner dapat menghasilan regresi lancung ( spurious regression) yang ditunjuan oleh niai R 2 dan nilai statisti Durbin-Watson (DW) (Thomas,1997: ). Hal ini aan mengaibatan regresi penasir menjadi tida sahih (invalid). b. Uji Aar-aar Unit Uji aar-aar unit dapat dipandang sebagai uji stasionaritas data. Uji ini dimasudan untu mengamati apaah oefisien dari model regresif yang ditasir mempunyai nilai lebih dari satu atau tida dalam nilai mutla. Jia oefisien tersebut mempunyai nilai sama dengan atau urang dari satu maa data tersebut tida stasioner (Thomas, 1997 : 416). Langah pertama yang dilauan dalam uji aar-aar unit adalah dengan menasir model otoregresif dari masing-masing variabel yang aan digunaan dalam penelitian dengan OLS. DX t = a 0 + a 1 X t +.(3.1) i 1 b i B i DX t DX t = c 0 + c 1 T + c 2 BX t + i 1 d i B i DX t.(3.2) Dimana : DX t = X t X t-1 BX t = X t-1 T = Trend watu X t = variable yang diamati pada periode t B = operasi elambanan e udi = N 1/3 dimana N adalah jumlah observasi Langah selanjutnya adalah membandingan nilai DF dan ADF hitung dengan nilai DF dan ADF tabel. Nilai DF dan ADF untu uji hipotesa bahwa a 1 = 0 dan c 2 = 0 ditunjuan oleh nisbah t pada oefisien regresi BX t pada persamaan (3.1) dan (3.2). Apabila nilai DF dan ADF hitung lebih besar dari nilai DF dan ADF tabel maa hal ini berarti bahwa data yang digunaan adalah stasioner. Tetapi apabila nilai DF dan ADF hitung lebih ecil dari nilai DF dan ADF tabel maa data yang digunaan adalah tida stasioner sehingga perlu dilauan uji derajat integrasi. c. Uji Derajat Integrasi Apabila dalam uji aar-aar unit data yang diamati tida stasioner maa langah selanjutnya adalah uji derajat integrasi. Uji ini dilauan untu mengetahui pada derajat atau order diferensi eberapa data yang diamati aan stasioner. Definisi integrasi suatu data adalah bahwa data runtun watu X diataan berintegrasi pada derajat d atau ditulis (d) jia data tersebut perlu didefernsi sebanya d ali untu dapat menjadi data stasioner atau I (0). Langah pertama dalam uji derajat integrasi adalah melauan estimasi model otoregresif dibawah ini dengan OLS : D2X t D2X t = e 0 + e 1 BX t + i 1 = g 0 + g 1 T + g 2 BDX t + 3.4) Dimana : D2Xt = DXt DXt-1 BDXt = DXt-1 f i B i D2X t (3.3) i 1 h i B i D2X t ( Nilai DF dan ADF hitung untu uji derajat integrasi ini dapat dietahui dari nilai statisti t pada oefisien regresi BDX t pada persamaan (3.3) dan (3.4). Jia nilai e 1 dan g 2 sama dengan satu, maa variabel X diataan stasioner pada diferensi pertama atau berintegrasi pada derajat satu. Apabila e 1 dan g 2 tida berbeda dengan nol maa variable X belum stasioner pada diferensi pertama. Dalam aitan ini uji derajat integrasi perlu dilanjutan hingga diperoleh suatu ondisi stasioner. d. Uji Kointegrasi Uji ointegrasi merupaan elanjutan dari uji aar-aar unit dan uji derajat integrasi. Uji ointegrasi dimasudan untu menguji apaah residual regresi yang dihasilan stasioner atau tida. Untu dapat melauan uji ointegrasi harusa diyaini lebih dahulu bahwa variabelvariabel yang diamati mempunyai derajat integrasi yang sama atau tida. Apabila variabelvariabel yang digunaan dalam model penelitian mempunyai derajat integrasi yang berbeda, misalan X = I(1) dan Y = I (2), maa e dua variabel tersebut tida dapat berointegrasi. Pada umumnya uji ointegrasi berada pada deraj I (0) atau I (1). 69
4 Pengaruh apital dan Human... (Ratna dan Diah) Suatu himpunan variabel runtun watu X diataan berointegrasi pada derajat d, b atau ditulis CL (d,b), bila setiap elemen X berintegrasi pada derajat d atau I (d) dan terdapat satu vector yang tida sama dengan nol sehingga W = X I (d,b), dengan b>0 dan merupaan vetor ointegrasi. Terdapat tiga uji yang umum dilauan untu menguji hipotesa nol tida adanya ointegrasi, yaitu CRDW ( Cointegrating Regression Durbin-Watson), DF (Dicey Fuller) dan ADF (Augmented Dicey Fuller). Untu menghitung statisti CRDW, DF dan ADF maa terlebih dahulu ditasir regresi ointegrasi beriut dengan OLS: 9.2. sebagai beriut: Y t = m 0 + m 1 X 1t + m 2 X 2t + E t...(3.5) Dimana : Y adalah variabel tida bebas X 1 dan X 2 adalah variabel bebas E adalah variabel pengganggu Selanjutnya regresi beriut ditasir dengan OLS : DE t = p 1 B E t.(3.6) DE t = q 1 B Et + w i B i DE t..(3.7) i 1 Nilai statisti CRDW ditunjuan oleh nilai statisti Durbin-Watson pada persamaan (3.5) dan nilai statisti DF dan ADF ditunjuan oleh nisbah t pada oefisien B E t pada persamaan (3.6) dan (3.7). HASIL DAN PEMBAHASAN 1. Pendeatan Kointegrasi a. Uji Aar-aar Unit (Unit Roots) Uji ini dipandang sebagai uji stasionaritas arena pada intinya uji tersebut dimasudan untu mengamati apaah oefisien tertentu dari model otoregresif yang ditasir mempunyai nilai satu atau tida. Dalam menguji perilau data digunaan uji Dicey and Fuller (uji DF) dan Augmented Dicey-Fuller (uji ADF). Untu membandingan nilai ADF dan DF hitung dengan nilai DF dan ADF tabel digunaan nilai ritis yang diembangan oleh Mac-Kinnon. Hasil pengujian aar-aar unit terhadap variabel-variabel yang digunaan dalam analisis ini dapat dilihat pada tabel 9.1 di bawah ini. Berdasaran tabel 1 ternyata semua variabel tida stasioner pada derajat nol atau I(0), arena nilai DF dan ADF hitung lebih ecil dari nilai DF dan ADF ritis dengan signifiansi 1 persen, 5 persen dan 10 persen. Oleh arena itu perlu dilauan uji lebih lanjut yaitu dengan melauan uji derajat integrasi untu mengetahui pada derajat e berapa data aan stasioner. Tabel 9.1. Uji Aar-aar Unit Variabel Pengamatan: Variabel Nilai DF Nilai ADF PDB -3, , Kapital -1, , Human Capital -3, , b. Uji Derajat Integrasi Uji ini pada prinsipnya tida berbeda dengan uji aar-aar unit. Ia merupaan elanjutan dari uji aar-aar unit dan hanya dibutuhan bila datanya belum stasioner pada derajat nol. Pada uji derajat integrasi variabel-variabel pengamatan didefinisian sampai derajat tertentu sehingga diperoleh ondisi data yang stasioner. Hasil uji derajat integrasi tersebut dapat dilihat pada tabel Tabel 9.2. Uji Derajat Integrasi Variabel Pengamatan: Variabel Nilai DF Nilai ADF PDB -4, , Kapital -6, , Human Capital -6, , Dari tabel 2 didapatan bahwa seluruh nilai DF dan ADF hitung variabel-variabel pengamatan lebih besar dari pada nilai DF dan ADF hitung pada tingat epercayaan 1 persen, 5 persen dan 10 persen. Hal ini menunjuan bahwa seluruh variabel pengamatan stasioner pada diferensi pertamanya atau I(1). Dengan ata lain seluruh variabel stasioner setelah diturunan sebanya satu ali. Hal ini menunjuan bahwa data pada penelitian ini dapat digunaan untu analisa janga pende dan janga panjang. Setelah diyaini bahwa semua variabel pengamatan mempunyai derajat integrasi yang sama, maa dapat dilauan uji ointegrasi terhadap variabelvariabel pengamatan. c. Uji Kointegrasi Uji ointegrasi merupaan salah satu bentu uji dalam model dinamis yang bertujuan untu mengetahui emunginan adanya hubungan janga panjang di antara variabel-variabel pengamatan. Variabel pengamatan diataan saling berointegrasi jia residual regresi ointegrasinya stasioner. Dalam hal ini Engle dan Granger (1987) mengetengahan tujuh uji statisti tersebut dan yang paling lazim dipaai adalah uji CRDW, uji DF dan ADF. Dari tabel 9.3 dapat dilihat dan dibandingan dengan nilai ritis untu pengujian di bawah ini, di mana dari hasil perbandingan tersebut, dietahui bahwa nilai CRDW, DF dan ADF lolos, sehingga model empiris yang digunaan dalam penelitian ini lolos dari uji ointegrasi. Apabila suatu model lolos dari uji ointegrasi, maa model oresi esalahan Engle- Granger dapat diapliasian dalam model empiris ini. 70
5 EKO-REGIONAL, Vol 2, No.2, September 2007 Tabel 9.3. Uji Kointegrasi Variabel Pengamatan: Variabel ta bebas : PDB Nilai oefisien dan Variabel bebas t-statisti 8, Konstanta 25, , Kapital 3, Human Capital 0, , CRDW =1, DF = -5, ADF = -5, Keterangan : Nilai CRDW, DF dan ADF tabel dengan N=50 dan jumlah variabel 2 serta =5% masing-masing 0,78; 3,67; 3,29 sedangan =10% adalah masingmasing 0,69; 3,28; 2, Hasil Perhitungan Error Corection Model Granger (ECM-Granger) Model dinamis yang dalam beberapa tahun terahir ini mendapat perhatian besar dari para eonom adalah model oresi esalahan ( Error Correction Model). Dalam dunia nyata nampa bahwa para pelau eonomi bertinda tida spontan dalam menanggapi asi. Hal ini merupaan alasan dibentunya model dinamis hususnya model oresi esalahan. Esistensi oresi esalahan menghasilan oefisien esalahan yang menunjuan adanya fenomena dioresinya penyimpangan menuju euilibrium. Model oresi esalahan Granger merupaan alternatif lain untu menguji emunginan berointegrasi variabel yang diamati. Apabila error correction term pada hasil regresi signifian berarti model oresi esalahan adalah model yang valid atau sahih dan variabel yang diamati berointegrasi atau residual hasil regresi adalah stasioner. Dari hasil regresi dengan menggunaan error correction model (ECM) didapatan formulasi sebagai beriut: a. Analisis Janga Pende Dilihat dari nilai oefisien determinasi sebesar 0, berarti bahwa seitar 31,92 persen dari variasi variabel DPDB mampu dijelasan oleh variasi himpunan variabel bebasnya. Berdasaran tabel 9.4. menunjuan bahwa nilai t statisti oefisien error correction term (ECT) signifian dengan derajat epercayaan 1% yaitu sebesar (-3,459072). Signifiannya nilai ECT mengindiasian adanya eseimbangan dalam janga panjang, mesipun dalam janga pende mungin terjadi etidaseimbangan. Ketidaseimbangan dalam satu periode aan dioresi pada periode beriutnya. Dengan demiian dapat diataan bahwa model ECM Engle dan Granger suses dan dapat digunaan untu pengujian DPDB di Indonesia selama periode penelitian. Selain itu pula, dengan signifiannya nilai oefisien ECT(-1) berarti spesifiasi model yang digunaan adalah sahih atau valid. Dengan menganggap bahwa hasil estimasi model ECM Granger di atas dihasilan transformasi Koyc, maa dapat diemuaan bahwa besarnya nilai tingat penurunan ( rate of decline) ) 0,559 dan mean lag sebesar 1,26. Ini berarti bahwa seitar 55,9 persen dari gap aan tertutup dalam satu periode dengan ecepatan PDB dalam merespon perubahan variabel bebas adalah seitar 1,26 tahun atau mendeati 15,12 bulan. Lebih lanjut, berdasaran hasil estimasi model ECM Engle-Granger dapat diuraian bahwa dalam janga pende hanya variabel apital yang mempengaruhi PDB di Indonesia. Hasilnya adalah signifian secara statisti dengan tanda oefisien sesuai dengan yang diharapan oleh teori yang terait. Ini berarti bahwa apabila nilai DKapital nai sebesar 1 Miliar Rupiah maa DPDB Indonesia aan meningat sebesar 0,0567 Milyar Rupiah dalam janga pende. b. Analisis Janga Panjang Berdasaran tabel 9.5, dapat dilihat bahwa nilai oefisien determinasi sebesar 0,7933 bahwa seitar 79,33 persen dari variasi variabel DPDB mampu dijelasan oleh variasi himpunan variabel bebasnya. Sedangan nilai oefisien Adjusted R square sebesar 0, menunjuan bahwa oefisien determinasi setelah memperhitungan derajat ebebasan (degree of freedom) menunjuan nilai yang tida terlalu berbeda dengan R 2 dan masih menjelasan variabel PDB sebesar 77,94 persen. Ini berarti spesifiasi model (pemasuan variabel-variabel) yang disusun sudah benar arena nilai R dengan terlalu jauh. R 2 tida berselisih Tabel 9.4. Hasil Estimasi Janga Pende Model Koresi Kesalahan, ^D(LPDB) = 0,0567D(LKapital) + 0,0567 D(LHuman Capital) 0,559 ECT(-1) (2,922474) (1,417496) (-3,459072) 71
6 Pengaruh apital dan Human... (Ratna dan Diah) R 2 = 0, DW = 1, Tabel 9.5. Hasil Estimasi Janga Panjang Model Koresi Kesalahan, ^LPDB = 8, ,132737LKapital + 0,206233LHuman Kapital (25,22159) (3,504327) 3,417788) R2 = 0,7933 Adj R-squared = 0, DW = 1,9256 Lebih lanjut, berdasaran hasil estimasi model ECM Engle_Granger dapat diuraian bahwa dalam janga panjang semua variabel yang mempengaruhi PDB di Indonesia signifian secara statisti dengan tanda oefisien sesuai dengan yang diharapan oleh teori yang terait. Ini berarti bahwa apabila nilai apital nai sebesar 1 Miliar Rupiah, maa PDB Indonesia aan meningat sebesar 0, Miliar Rupiah dalam janga panjang. Selanjutnya, apabila human capital (dalam hal ini adalah jumlah orang yang beerja) nai sebesar 1 orang, maa PDB Indonesia aan meningat sebesar 0, Miliar Rupiah dalam janga panjang selama periode penelitian. Jia dilihat dari besarnya oefisien regresi dari model di atas, maa oefisien dari human capital lebih besar dari apital dan signifian secara statisti. Hal ini dapat disimpulan bahwa dalam janga panjang, variabel apital dan human capital berpengaruh positif terhadap PDB untu asus Indonesia. KESIMPULAN Dari hasil regresi dan analisis dapat diambil esimpulan sebagai beriut: 1. Signifiannya nilai ECT mengindiasian adanya eseimbangan dalam janga panjang, mesipun dalam janga pende mungin terjadi etidaseimbangan, sehingga model ECM Engel-Granger berhasil dan dapat digunaan selama periode penelitian. 2. Berdasaran hasil estimasi model ECM Engle- Granger, dalam janga pende hanya variabel apital saja yang mempengaruhi variabel PDB di Indonesia. 3. Dalam estimasi janga panjang, semua variabel yang mempengaruhi PDB yaitu apital dan human capital, signifian secara statisti dan tanda oefisien sesuai dengan yang diharapan oleh teori terait. DAFTAR PUSTAKA Aliman Modul Eonometria Terapan. PAU Studi Eonomi UGM. Yogyaarta Anonim. Statisti Indonesia. Badan Pusat Statisti. Jaarta. berbagai edisi. International Financial Statistics. Berbaai edisi. IMF. New Yor. Asian Development Ban, Key Indicator of Developing Asian and Pacific Countries, Oxford University Press. New Yor. berbagai edisi Barro, R.J Economic Growth in a Cross Section of Countries. Quarterly Journal of Economics. hal Braun, R.A., dan Keiichi Kubota The Effect of Government Capital on Labor Productivity in Japan s Prefecture. Musashi University. Japan Insuindro Pemilihan dan Bentu Fungsi Eonomi Empiri dengan Pendeatan Koresi Kesalahan. Jurnal Eonomi dan Bisnis Indonesia. Vol. 14 No.1 Insuindro, Maryatmo, dan Aliman Eonometria Dasar. Universitas Gadjah Mada. Yogyaarta Soderbom, M., dan Francis Teal Openness and Human Capital as Sources of Productivity Growth: an Empirical Investigation. University of Oxford. England 72
III. METODOLOGI PENELITIAN. Penelitian ini menggunakan data sekunder bersifat runtun waktu (time series)
III. METODOLOGI PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunaan data seunder bersifat runtun watu (time series) dalam periode tahunan dan data antar ruang (cross section). Data seunder tersebut
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Statisti Inferensia Tujuan statisti pada dasarnya adalah melauan desripsi terhadap data sampel, emudian melauan inferensi terhadap data populasi berdasaran pada informasi yang
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belaang Keadaan dunia usaha yang selalu berubah membutuhan langah-langah untu mengendalian egiatan usaha di suatu perusahaan. Perencanaan adalah salah satu langah yang diperluan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Model Loglinier adalah salah satu asus husus dari general linier model untu data yang berdistribusi poisson. Model loglinier juga disebut sebagai suatu model statisti
Lebih terperinciPENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA
PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA Adam Husaien Faultas Eonomi Manajemen Unversitas 17 agustus 1945,Samarinda Indonesia
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB PENDAHULUAN. Latar belaang Metode analisis yang telah dibicaraan hingga searang adalah analisis terhadap data mengenai sebuah arateristi atau atribut (jia data itu ualitatif) dan mengenai sebuah variabel,
Lebih terperinciPENGUKURAN PENDAPATAN NASIONAL
PENGUKURAN PENDAPATAN NASIONAL A. PENDEKATAN PRODUKSI (PRODUCTION APPROACH) Menghitung besarnya pendapatan nasional dengan menggunaan pendeatan produsi didasaran atas perhitungan dari jumlah nilai barang-barang
Lebih terperinciANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT
Jurnal Sipil Stati Vol. No. Agustus (-) ISSN: - ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI - DENGAN VARIASI JUMLAH TINGKAT Revie Orchidentus Francies Wantalangie Jorry
Lebih terperinciBAB III METODE SCHNABEL
BAB III METODE SCHNABEL Uuran populasi tertutup dapat diperiraan dengan teni Capture Mar Release Recapture (CMRR) yaitu menangap dan menandai individu yang diambil pada pengambilan sampel pertama, melepasan
Lebih terperinciANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
Lebih terperinciAnalisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus
Jurnal Teni Industri, Vol.1, No., Juni 013, pp.96-101 ISSN 30-495X Analisis Pengaruh Kualitas Pelayanan Terhadap Loyalitas Pelanggan Jasa Pengiriman Pos Kilat Khusus Apriyani 1, Shanti Kirana Anggaraeni,
Lebih terperinciBAB III ERROR CORRECTION MODEL (ECM) Suatu analisis yang biasa dipakai dalam ekonometrika adalah analisis
BAB III ERROR CORRECTION MODEL (ECM) 3.1 Teori Error Correction Model (ECM) Suatu analisis yang biasa dipakai dalam ekonometrika adalah analisis regresi yang pada dasarnya adalah studi atas ketergantungan
Lebih terperinciAplikasi diagonalisasi matriks pada rantai Markov
J. Sains Dasar 2014 3(1) 20-24 Apliasi diagonalisasi matris pada rantai Marov (Application of matrix diagonalization on Marov chain) Bidayatul hidayah, Rahayu Budhiyati V., dan Putriaji Hendiawati Jurusan
Lebih terperinciANALISIS DETERMINASI INFLASI DI INDONESIA
ANALISIS DETERMINASI INFLASI DI INDONESIA Ari Mulianta Ginting Peneliti Eonomi dan Kebijaan Publi pada Pusat Pengajian Pengolahan Data dan Informasi, Seretariat Jendral DPR RI e-mail: ari.ginting@dpr.go.id
Lebih terperinciBAB III METODE PENILITIAN
44 BAB III METODE PENILITIAN 3.1 Jenis dan Cara Pengumpulan Data Data yang digunakan dalam penelitian ini adalah data sekunder yang diperoleh dari lembaga-lembaga atau instansi-instansi antara lain Bank
Lebih terperinciBAB III METODOLOGI PENELITIAN. terhadap Angka Kematian Bayi di Kabupaten Blora. Penelitian ini merupakan
BAB III METODOLOGI PENELITIAN 3.1 Ruang Lingkup Penelitian Penelitian ini menganalisis tentang pengaruh pengaruh Desentralisasi Fiskal, Jumlah Kapasitas Tempat Tidur Rumah Sakit, dan Tingkat Kemiskinan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup [1] Sistem endali dapat diataan sebagai hubungan antara omponen yang membentu sebuah onfigurasi sistem, yang aan menghasilan tanggapan sistem yang diharapan.
Lebih terperinciII. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode
3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode
Lebih terperinciPendekatan Regresi Nonparametrik Spline Untuk Pemodelan Laju Pertumbuhan Ekonomi (LPE) di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol., No., (0) -50 (0-9X Print) D- Pendeatan Regresi Nonparametri Spline Untu Pemodelan Laju Pertumbuhan Eonomi (LPE) di Jawa Timur Elfrida Kurnia Litawati dan I Nyoman Budiantara
Lebih terperinciTEORI PERTUMBUH DR. MOHAMMAD ABDUL MUKHYI, SE., MM
TEORI PERTUMBUH AN EKONOMI DR MOHAMMAD ABDU MUKHI, SE, MM TAHAPAN SEJARAH 1 Kebudayaan Primitif 2 Feodalisme 3 Kapitalisme borjuis 4 Sosialisme dan omunisme 1 Upah dan laba tanpa trend TREND DAN SUMBER
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 ObjePenelitian Obje penelitian merupaan hal yang tida dapat dipisahan dari suatu penelitian. Obje penelitian merupaan sumber diperolehnya data dari penelitian yang dilauan.
Lebih terperinciSTUDI EMPIRIS DEPRESIASI NILAI TUKAR RIIL PADA REZIM NILAI TUKAR MENGAMBANG BEBAS DI INDONESIA
Jurnal Eonomi dan Studi Pembangunan Volume 15, Nomor 1, April 2014, hlm.37-47 STUDI EMPIRIS DEPRESIASI NILAI TUKAR RIIL PADA REZIM NILAI TUKAR MENGAMBANG BEBAS DI INDONESIA Romi Bhati Hartarto Macquarie
Lebih terperinciPEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA
PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA Sear Wulandari, Nur Salam, dan Dewi Anggraini Program Studi Matematia Universitas Lambung Mangurat
Lebih terperinciIII. METODE PENELITIAN. Variabel-variabel yang digunakan dalam penelitian Analisis Faktor-Faktor Yang
III. METODE PENELITIAN A. Deskripsi Data Variabel Variabel-variabel yang digunakan dalam penelitian Analisis Faktor-Faktor Yang Mempengaruhi Cadangan Devisa di Indonesia Periode 2000-2014 adalah cadangan
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL Syafruddin Side, Jurusan Matematia, FMIPA, Universitas Negeri Maassar email:syafruddinside@yahoo.com Info: Jurnal MSA Vol. 3
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terdahulu Penelitian yang aan dilauan meruju epada beberapa penelitian terdahulu yang sudah pernah dilauan sebelumnya, diantaranya: 1. I Gst. Bgs. Wisuana (2009)
Lebih terperinciIII. METODOLOGI PENELITIAN. Dalam penelitian yang berjudul Analisis Pengaruh ProdukDomestikBruto (PDB),
III. METODOLOGI PENELITIAN A. Definisi Operasional Variabel Dalam penelitian yang berjudul Analisis Pengaruh ProdukDomestikBruto (PDB), SukuBunga Deposito, Inflasi, dan Obligasi PemerintahTerhadap Simpanan
Lebih terperinciModel Dinamik Pertumbuhan Ekonomi Indonesia Pasca Krisis Moneter: Suatu Pendekatan Koreksi Kesalahan (Model Koreksi Kesalahan)
Jurnal Sains & Matematika (JSM) ISSN Artikel 0854-0675 Penelitian Volume 15, Nomor 1, Januari 2007 Artikel Penelitian: 19-24 Model Dinamik Pertumbuhan Ekonomi Indonesia Pasca Krisis Moneter: Suatu Pendekatan
Lebih terperinciBAB 3 METODE PENELITIAN
36 BAB 3 METODE PENELITIAN 3.1 Disain Penelitian Jenis penelitian yang digunaan adalah penelitian desriptif, yaitu penelitian terhadap fenomena atau populasi tertentu yang diperoleh peneliti dari subye
Lebih terperinciBAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA
BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA Pada penelitian ini, suatu portfolio memilii seumlah elas risio. Tiap elas terdiri dari n, =,, peserta dengan umlah besar, dan
Lebih terperinciIDENTIFIKASI VARIABEL MAKRO EKONOMI YANG BERPENGARUH PADA PERMINTAAN UANG DI INDONESIA
Jurnal Ekonomi dan Studi Pembangunan Volume 15, Nomor 1, April 2014, hlm.64-70 IDENTIFIKASI VARIABEL MAKRO EKONOMI YANG BERPENGARUH PADA PERMINTAAN UANG DI INDONESIA Hida Supriyanto Pusat Pengembangan
Lebih terperinciDeret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII
Keonvergenan Kesumawati Prodi Statistia FMIPA-UII June 23, 2015 Keonvergenan Pendahuluan Kalau sebelumnya, suu suu pada deret ta berujung berupa bilangan real maa ali ini ita embangan suu suunya dalam
Lebih terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
Lebih terperinciPenentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway
Rea Racana Jurnal Online Institut Tenologi Nasional Teni Sipil Itenas No.x Vol. Xx Agustus 2015 Penentuan Nilai Eivalensi Mobil Penumpang Pada Ruas Jalan Perotaan Menggunaan Metode Time Headway ENDI WIRYANA
Lebih terperinciEstimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga
JURNAL SAINS DAN SENI POMITS ol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Estimasi Konsentrasi Polutan Sungai Menggunaan Metode Redusi Kalman Filter dengan Pendeatan Elemen Hingga Muyasaroh, Kamiran,
Lebih terperinciMENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE
MENGHITUNG PELUANG PERSEBARAN TRUMP DALAM PERMAINAN CONTRACT BRIDGE Desfrianta Salmon Barus - 350807 Jurusan Teni Informatia, Institut Tenologi Bandung Bandung e-mail: if807@students.itb.ac.id ABSTRAK
Lebih terperinciBAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK
BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK Proses pengenalan dilauan dengan beberapa metode. Pertama
Lebih terperinciMakalah Seminar Tugas Akhir
Maalah Seminar ugas Ahir Simulasi Penapisan Kalman Dengan Kendala Persamaan Keadaan Pada Kasus Penelusuran Posisi Kendaraan (Vehicle racing Problem Iput Kasiyanto [], Budi Setiyono, S., M. [], Darjat,
Lebih terperinciPENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas
Lebih terperinciSah Tidaknya Sidik Ragam. Data Bermasalah. Data Bermasalah PERANCANGAN PERCOBAAN (DATA BERMASALAH)
Sah Tidanya Sidi Ragam PERANCANGAN PERCOBAAN (DATA BERMASALAH) Oleh: Dr. Ir. Dirvamena Boer, M.Sc.Agr. HP: 081 385 065 359 Universitas Haluoleo, Kendari dirvamenaboer@yahoo.com http://dirvamenaboer.tripod.com/
Lebih terperinciIII. METODE PENELITIAN. penelitian ini adalah data sekunder, yaitu data yang telah dikumpulkan oleh pihak
46 III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini bersifat kuantitatif, yaitu berupa data tahunan yang berbentuk angka dan dapat diukur/dihitung. Sumber
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi Gambar 3.1 Bagan Penetapan Kriteria Optimasi Sumber: Peneliti Determinasi Kinerja Operasional BLU Transjaarta Busway Di tahap ini, peneliti
Lebih terperinciBAB I PENDAHULUAN. dari tahun ke tahun dapat mengalami peningkatan, hal ini disebabkan karena
BAB I PENDAHULUAN A. Latar Belakang Masalah Pertumbuhan ekonomi merupakan perkembangan kegiatan dalam perekonomian yang menyebabkan barang dan jasa yang diproduksi dalam masyarakat bertambah serta kemakmuran
Lebih terperinciIII. METODE PENELITIAN. Dalam penelitian Analisis Pengaruh Nilai Tukar, Produk Domestik Bruto, Inflasi,
391 III. METODE PENELITIAN Dalam penelitian Analisis Pengaruh Nilai Tukar, Produk Domestik Bruto, Inflasi, dan Suku Bunga Luar Negeri Terhadap Nilai Impor Non Migas di Indonesia (Periode 2001:I 2012:IV)
Lebih terperinciIII. METODE PENELITIAN. Jenis data yang digunakan dalam penelitian ini adalah data time series
40 III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data time series sekunder. Data-data tersebut diperoleh dari berbagai sumber, antara lain dari
Lebih terperinciPELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.
JMP : Volume 6 Nomor, Juni 04, hal. - PELABELAN FUZZY PADA GRAF Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman email : oeytea0@gmail.com ABSTRACT. This paper discusses
Lebih terperinciBAB 2 TEORI PENUNJANG
BAB EORI PENUNJANG.1 Konsep Dasar odel Predictive ontrol odel Predictive ontrol P atau sistem endali preditif termasu dalam onsep perancangan pengendali berbasis model proses, dimana model proses digunaan
Lebih terperinciEstimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (16) 337-35 (31-98X Print) A-1 Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunaan ARIMA-Filter Kalman dan VAR-Filter Kalman Popy Febritasari, Erna Apriliani
Lebih terperinciImplementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf
JURNAL TEKNIK POMITS Vol. 2, No., (203) ISSN: 2337-3539 (230-927 Print) Implementasi Algoritma Pencarian Jalur Sederhana Terpende dalam Graf Anggaara Hendra N., Yudhi Purwananto, dan Rully Soelaiman Jurusan
Lebih terperinciADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT
Jurnal Teni Eletro Vol. 3 No.1 Januari - Juni 1 6 ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoo Sumaryono ABSTRACT Noise is inevitable in communication
Lebih terperinciBAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN
BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN Berdasaran asumsi batasan interval pada bab III, untu simulasi perhitungan harga premi pada titi esetimbangan, maa
Lebih terperinciINTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh
INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON Maalah Disusun guna memenuhi tugas Mata Kuliah Metode Numeri yang dibimbing oleh Dr. Nur Shofianah Disusun oleh: M. Adib Jauhari Dwi Putra 146090400111001
Lebih terperinciIII. METODELOGI PENELITIAN. Variabel-variabel yang digunakan dalam penelitian ini adalah current account
III. METODELOGI PENELITIAN A. Deskripsi Variabel Variabel-variabel yang digunakan dalam penelitian ini adalah current account sebagai variabel terikat dan nilai tukar, inflasi, PDB, dan aktiva luar negeri
Lebih terperinciPENETAPAN TARGET TERHADAP STICKINESS COST
Jurnal Keuangan dan Perbanan, Vol.17, No.1 Januari 2013, hlm. 71 77 Terareditasi SK. No. 64a/DIKTI/Kep/2010 http://juruban.wordpress.com PENETAPAN TARGET TERHADAP STICKINESS COST Faultas Eonomi UPN Veteran
Lebih terperinciEstimasi Harga Saham Dengan Implementasi Metode Kalman Filter
Estimasi Harga Saham Dengan Implementasi Metode Kalman Filter eguh Herlambang 1, Denis Fidita 2, Puspandam Katias 2 1 Program Studi Sistem Informasi Universitas Nahdlatul Ulama Surabaya Unusa Kampus B
Lebih terperinciUJI BARTLETT. Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri Universitas Kristen Maranatha Bandung. Scheffe Multiple Contrast Procedure
8/9/01 UJI TUKEY UJI DUNCAN UJI BARTLETT UJI COCHRAN UJI DUNNET Elty Sarvia, ST., MT. Faultas Teni Jurusan Teni Industri Universitas Kristen Maranatha Bandung Macam Metode Post Hoc Analysis The Fisher
Lebih terperinciMETODE PENELITIAN. Ruang lingkup penelitian ini adalah menganalisis faktor-faktor yang
43 III. METODE PENELITIAN A. Jenis dan Sumber Data Ruang lingkup penelitian ini adalah menganalisis faktor-faktor yang mempengaruhi nilai tukar mengambang seperti uang beredar, suku bunga Indonesia(BI
Lebih terperinciBAB V METODE PENELITIAN. Penelitian ini dilakukan dengan metode kepustakaan, dimana data - data yang
BAB V METODE PENELITIAN 5.1. Jenis Penelitian. Penelitian ini dilakukan dengan metode kepustakaan, dimana data - data yang diperoleh melalui berbagai aspek yang meliputi mempelajari dokumen-dokumen, buku-buku
Lebih terperinciDampak Shock Nilai Tukar Riil terhadap Inflasi dan Current Account Indonesia
Trionomia Volume, No., Juni 202, Hal. 5 28 ISSN 4-54X Dampa Shoc Nilai Tuar Riil terhadap Inflasi dan Current Account Indonesia Faultas Eonomia dan Bisnis Universitas Diponegoro Jl. Prof. Soedharto, S.H.
Lebih terperinciModel Pembelajaran Off-Line Menggunakan Jaringan Syaraf Tiruan Untuk Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teknik Elektronika PENS 2009
Model Pembelaaran Off-Line Menggunaan Jaringan Syaraf Tiruan Untu Pengemudian Otomatis pada Kendaraan Beroda Jurusan Teni Eletronia PENS 2009 Arie Setya Wulandari#, Eru Puspita S.T., M.Kom#2 # Jurusan
Lebih terperinciMODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM
MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM 1,2 Faultas MIPA, Universitas Tanjungpura e-mail: csuhery@sisom.untan.ac.id, email: dedi.triyanto@sisom.untan.ac.id Abstract
Lebih terperinciBAB III METODOLOGI PENELITIAN. capital adequacy ratio (CAR), non performing financing (NPF), financing to
BAB III METODOLOGI PENELITIAN A. Objek Penelitian Penelitian ini dilakukan untuk mengetahui sejauh mana hubungan capital adequacy ratio (CAR), non performing financing (NPF), financing to deposit ratio
Lebih terperinciIDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD
JMP : Vol. 9 No. 1, Juni 17, hal. 13-11 ISSN 85-1456 IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR Gumgum Darmawan Statistia FMIPA UNPAD gumgum@unpad.ac.id Budhi Handoo Statistia
Lebih terperinciPemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai
Pemodelan Dan Esperimen Untu enentuan Parameter Tumbuan Non Elasti Antara Benda Dengan Lantai Puspa onalisa,a), eda Cahya Fitriani,b), Ela Aliyani,c), Rizy aiza,d), Fii Taufi Abar 2,e) agister Pengajaran
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Departemen
Lebih terperincikhazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika
hazanah informatia Jurnal Ilmu Komputer dan Informatia Sistem Klasifiasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunaan Jaringan Syaraf Tiruan Bacpropagation Yusuf Dwi Santoso *, Suhartono Program
Lebih terperinciPenerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik
Penerapan Sistem Persamaan Lanjar untu Merancang Algoritma Kriptografi Klasi Hendra Hadhil Choiri (135 08 041) Program Studi Teni Informatia Seolah Teni Eletro dan Informatia Institut Tenologi Bandung,
Lebih terperinciIII. METODELOGI PENELITIAN. Dalam penelitian yang berjudul Analisis Determinan Nilai Aktiva Bersih Reksa
III. METODELOGI PENELITIAN A. Definisi Operasional Variabel Dalam penelitian yang berjudul Analisis Determinan Nilai Aktiva Bersih Reksa Dana Saham di Indonesia (Periode 2005:T1 2014:T3) variabel-variabel
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. METODE PENELITIAN 1. Objek Penelitian Objek dalam penelitian ini adalah Perbankan Syariah di Indonesia yang mempunyai laporan keuangan yang transparan dan di publikasikan oleh
Lebih terperinciMakalah Seminar Tugas Akhir. Aplikasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self Tuning Regulator (STR)
Maalah Seminar ugas Ahir Apliasi Kendali Adaptif pada Pengendalian Plant Pengatur Suhu dengan Self uning Regulator (SR) Oleh : Muhammad Fitriyanto e-mail : D_3_N2@yahoo.com Maalah Seminar ugas Ahir Apliasi
Lebih terperinciMETODE PENELITIAN. Data penelitian ini menggunakan data sekunder berupa data runtun waktu (time
37 III. METODE PENELITIAN A. Jenis dan Sumber Data Data penelitian ini menggunakan data sekunder berupa data runtun waktu (time series) dari periode 2005Q1 2014Q4. Penggunaan data pada penelitian ini meliputi
Lebih terperinciBAB IV APLIKASI PADA MATRIKS STOKASTIK
BAB IV : ALIKASI ADA MARIKS SOKASIK 56 BAB IV ALIKASI ADA MARIKS SOKASIK Salah satu apliasi dari eori erron-frobenius yang paling terenal adalah penurunan secara alabar untu beberapa sifat yang dimilii
Lebih terperinciKORELASI ANTARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISTEM ADAPTIF. Sri Arttini Dwi Prasetyawati 1. Abstrak
KORELASI ANARA DUA SINYAL SAMA BERBEDA JARAK PEREKAMAN DALAM SISEM ADAPIF Sri Arttini Dwi Prasetyawati 1 Abstra Masud pembahasan tentang orelasi dua sinyal adalah orelasi dua sinyal yang sama aan tetapi
Lebih terperinciAPLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID
APLIKASI PREDIKSI HARGA SAHAM MENGGUNAKAN JARINGAN SYARAF RADIAL BASIS FUNCTION DENGAN METODE PEMBELAJARAN HYBRID Ferry Tan, Giovani Gracianti, Susanti, Steven, Samuel Luas Jurusan Teni Informatia, Faultas
Lebih terperinciRINGKASAN SKRIPSI MODUL PERKALIAN
RINGKASAN SKRIPSI MODUL PERKALIAN SAMSUL ARIFIN 04/177414/PA/09899 DEPARTEMEN PENDIDIKAN NASIONAL UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM YOGYAKARTA 2008 HALAMAN PENGESAHAN
Lebih terperinciOptimasi Non-Linier. Metode Numeris
Optimasi Non-inier Metode Numeris Pendahuluan Pembahasan optimasi non-linier sebelumnya analitis: Pertama-tama mencari titi-titi nilai optimal Kemudian, mencari nilai optimal dari fungsi tujuan berdasaran
Lebih terperinciIII. METODE PENELITIAN. bentuk runtut waktu (time series) yang bersifat kuantitatif yaitu data dalam
48 III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk runtut waktu (time series) yang bersifat kuantitatif yaitu data dalam
Lebih terperinciIII.METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data time series (runtun
27 III.METODE PENELITIAN A. Data dan Sumber Data Data yang digunakan dalam penelitian ini adalah data time series (runtun waktu) yang merupakan data sekunder. Data tingkat inflasi, inflasi mitra dagang
Lebih terperinciMEKANIKA TANAH HIDROLIKA TANAH DAN PERMEABILITAS MODUL 3
MEKANIKA TANAH MODUL 3 HIDROLIKA TANAH DAN PERMEABILITAS UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bintaro Setor 7, Bintaro Jaya Tangerang Selatan 15224 Silus hidrologi AIR TANAH DEFINISI : air yang terdapat
Lebih terperinci3. Sebaran Peluang Diskrit
3. Sebaran Peluang Disrit EL2002-Probabilitas dan Statisti Dosen: Andriyan B. Susmono Isi 1. Sebaran seragam (uniform) 2. Sebaran binomial dan multinomial 3. Sebaran hipergeometri 4. Sebaran Poisson 5.
Lebih terperinciPENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK
PENERAPAN FUZZY GOAL PROGRAMMING DALAM PENENTUAN INVESTASI BANK Nurul Khotimah *), Farida Hanum, Toni Bahtiar Departemen Matematia FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor
Lebih terperinciBAB I PENDAHULUAN. Peramalan merupakan unsur yang penting dalam pengambilan keputusan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan merupakan unsur yang penting dalam pengambilan keputusan karena beberapa faktor yang berpengaruh, tidak dapat ditentukan pada saat keputusan diambil.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Obyek Penelitian Penelitian ini dilaksanakan di Kabupaten Magetan dengan alasan baik Pemerintah maupun dari penelitian terdahulu belum pernah melakukan penelitian tentang pengaruh
Lebih terperincipanjang antara ukuran perusahaan (SIZE) dengan capital adequacy ratio dan loan to
BAB V ANALISIS DATA DAN PEMBAHASAN A. Uji Stasioneritas Pengujian stasioneritas data yang digunakan terhadap seluruh variabel dalam model kajian didasarkan pada Augmented Dickey Fuller test (ADF test),
Lebih terperinciBAB III HASIL DAN PEMBAHASAN
15 BAB III HASIL DAN PEMBAHASAN 3.1Relasi Dispersi Pada bagian ini aan dibahas relasi dispersi untu gelombang internal pada fluida dua-lapisan.tinjau lapisan fluida dengan ρ a dan ρ b berturut-turut merupaan
Lebih terperinci1. Pendahuluan Jaringan syaraf tiruan ( Artificial Neural Networ ) adalah suatu tenologi omputasi yang berbasis pada model syaraf biologis dan mencoba
JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI METODE PERAMALAN PADA PERHITUNGAN TINGKAT SUKU BUNGA PINJAMAN DI INDONESIA Nurmalasari Rusmiati 1 Sistem Informasi, Faultas Ilmu Komputer, Universitas Gunadarma
Lebih terperinciBAB III METODE PENELITIAN. media perantara. Pada umumnya data sekunder dapat berupa bukti, catatan atau
BAB III METODE PENELITIAN A. Jenis dan Sumber Data Dalam penelitian ini penulis menggunakan data sekunder. Data sekunder sendiri adalah data yang diperoleh peneliti secara tidak langsung, atau melalui
Lebih terperinciMANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI (STUDI KASUS DI PT THAMRIN BROTHERS)
Seminar Nasional Apliasi Tenologi Informasi 2011 (SNATI 2011) ISSN: 1907-5022 Yogyaarta, 17-18 Juni 2011 MANAJEMEN DISTRIBUSI MULTI PRODUK BERDASARKAN BOBOT PROSENTASE PENJUALAN DAN EFISIENSI BIAYA DISTRIBUSI
Lebih terperinciKENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN
KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN Pardi Affandi, Faisal, Yuni Yulida Abstra: Banya permasalahan yang melibatan teori sistem dan teori ontrol serta apliasinya. Beberapa referensi
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengolahan Data Data yang telah berhasil diumpulan oleh penulis di BB BIOGEN diperoleh hasil bobot biji edelai dengan jumlah varietas yang aan diuji terdiri dari 15
Lebih terperinciMATA KULIAH METODE RUNTUN WAKTU. Oleh : Entit Puspita Nip
MAA KULIAH MEODE RUNUN WAKU Oleh : Entit Puspita Nip 08 JURUSAN PENDIDIKAN MAEMAIKA FAKULAS PENDIDIKAN MAEMAIKA DAN ILMU PENGEAHUAN ALAM UNIVERSIAS PENDIDIKAN INDONESIA 00 //00 Entit Puspita BEBERAPA KONSEP
Lebih terperinciMETODE PENELITIAN. Selang periode runtun waktu. Bulanan Tahun Dasar PDB Triwulanan Miliar rupiah. M2 Bulanan Persentase
III. METODE PENELITIAN A. Jenis dan Sumber Data 1. Jenis Data Tabel 8. Deskripsi Data Input Nama Data Selang periode runtun waktu Satuan pengukuran Sumber Data Inflasi (CPI) Bulanan Tahun Dasar 2000 Indeks
Lebih terperinciPenentuan Konduktivitas Termal Logam Tembaga, Kuningan, dan Besi dengan Metode Gandengan
Prosiding Seminar Nasional Fisia dan Pendidian Fisia (SNFPF) Ke-6 205 30 9 Penentuan Kondutivitas Termal ogam Tembaga, Kuningan, dan Besi dengan Metode Gandengan Dwi Astuti Universitas Indraprasta PGRI
Lebih terperinciMATA KULIAH MATEMATIKA TEKNIK 2 [KODE/SKS : KD / 2 SKS] Ruang Vektor
MATA KULIAH MATEMATIKA TEKNIK [KODE/SKS : KD4 / SKS] Ruang Vetor FIELD: Ruang vetor V atas field salar K adalah himpunan ta osong dengan operasi penjumlahan vetor dan peralian salar. Himpunan ta osong
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belaang Masalah untu mencari jalur terpende di dalam graf merupaan salah satu masalah optimisasi. Graf yang digunaan dalam pencarian jalur terpende adalah graf yang setiap sisinya
Lebih terperinciKINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB 2012
KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB Konsep Kinetia/ Laju Reasi Laju reasi menyataan laju perubahan onsentrasi zat-zat omponen reasi setiap satuan watu: V [ M ] t Laju pengurangan onsentrasi
Lebih terperinciBAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING
Bab III Desain Dan Apliasi Metode Filtering Dalam Sistem Multi Radar Tracing BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING Bagian pertama dari bab ini aan memberian pemaparan
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder menurut runtun
III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder menurut runtun waktu (timeseries) yang diperoleh dari Statistik Ekonomi dan Keuangan Indonesia
Lebih terperinci( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang
LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil
Lebih terperinciKata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan
Statisti Respon Kanal Radio Dalam Ruang Pada Freuensi,6 GHz Christophorus Triaji I, Gamantyo Hendrantoro, Puji Handayani Institut Tenologi Sepuluh opember, Faultas Tenologi Industri, Jurusan Teni Eletro
Lebih terperinci