(Halaman ini sengaja dikosongkan)

Transkripsi

1 DAFTAR PUSTAKA Christensen, R., Linier Models for Multivariate, Time Series, and Spatial Data. Springer Verlag, New York Draper, N. Dan Smith, H., Analisis Regresi Terapan, edisi kedua. Diterjemahkan oleh Bambang Sumantri. PT. Gramedia, Jakarta. Dwi, A. W., Laporan Skripsi. Analisis Pengendalian Kualitas Multivariate Proses Produksi Gula dan Pemodelan Hasil Produksi Gula di PG Candi Baru Sidoarjo. Jurusan Metematika Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut Teknologi Sepuluh Nopember, Surabaya. Johson, R.A. dan Wichern, D.W Applied Multivariate Statistical Analysis, Prentice Hall, New Jersey, Third Edition. Saputri, A. C. Dan Susilowati E. A., Laporan Kerja Praktek. Analisis Pengendalian Kualitas Statistika Terhadap Ampas, Blotong, dan Tetes di PG Djombang Baru. Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut Teknologi Sepuluh Nopember, Surabaya. Saputri, A. C., Tugas Akhir. Model Linier Multivariat pada Produksi Gula dan Tetes Tebu di PG Djombang Baru Jombang. Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam. Institut Teknologi Sepuluh Nopember, Surabaya. Wallpole, R.E, (1995), Pengantar Statistika, edisi ketiga, Gramedia Pustaka Tama, Jakarta. [ dikunjungi hari selasa, 23 Juni 2009

2 (Halaman ini sengaja dikosongkan)

3

4

5 LAMPIRAN 2 Tanggal Ampas Nira Tanggal Ampas Nira ,56 960, ,11 334, ,41 804, ,53 361, ,53 853, ,42 398, ,69 554, ,63 967, ,03 981, ,75 973, ,59 988, , , ,78 988, ,93 998, ,29 837, ,55 993, ,11 947, , ,16 984, , ,87 388, ,49 447, ,81 401, ,88 342, ,51 287, ,01 373, ,22 421, ,08 428, ,43 315, ,43 314, ,7 262,61

6 LAMPIRAN 3 Residual Residual Residual Residual Tanggal Tanggal ,0819 0, , , ,5339-7, ,2106 6, , , ,5506 0, ,9778-5, ,5976-5, ,3546 8, , , ,4693-1, ,9918-9, ,5692 1, , , ,3016 0, ,2015-5, ,5761 3, ,5392-6, , , , , ,6646 5, ,5708-3, ,9648-3, ,6198 7, ,8520-9, ,7329-2, ,8721-0, ,1107 1, ,3809 3, , , ,8464-8,6390

7 Lampiran 4 Statistik Deskriptif Total Variable Count Mean StDev Minimum Maximum AP AP Bulu lawang BZ Kidang Kencana PS PS PS PS PS JT imbibisi Ampas nira kw Lampiran 5 Korelasi antara Y 1 dan Y 2 Correlations: Ampas, nira kw Pearson correlation of Ampas and nira kw = P-Value = Ampas Nira Mentah Ampas Nira Mentah Lampiran 6 Pengolahan Data Regresi Linier Multivariat Factor Type Levels Values Analysis of Variance for Ampas, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P Bulu L BZ Kidang K

8 PS PS PS PS JT Error Total S = R-Sq = 99.82% R-Sq(adj) = 99.76% Term Coef SE Coef T P Constant Bulu lawang BZ Kidang Kenca PS PS PS PS JT Unusual Observations for Ampas Obs Ampas Fit SE Fit Residual St Resid R R R R denotes an observation with a large standardized residual. Analysis of Variance for nira kw, using Adjusted SS for Tests Source DF Seq SS Adj SS Adj MS F P Bulu L BZ Kidang K PS PS PS PS JT Error Total S = R-Sq = 99.93% R-Sq(adj) = 99.90% Term Coef SE Coef T P Constant

9 Bulu lawang BZ Kidang Kenca PS PS PS PS JT Unusual Observations for nira kw Obs nira kw Fit SE Fit Residual St Resid R R denotes an observation with a large standardized residual. MANOVA for Bulu lawang s = 1 m = 0.0 n = 10.0 Test DF Criterion Statistic F Num Denom P Wilks' Lawley- Hotelling Pillai's Roy's MANOVA for BZ 148 s = 1 m = 0.0 n = 10.0 Test DF Criterion Statistic F Num Denom P Wilks' Lawley-Hotelling Pillai's Roy's MANOVA for Kidang Kencana s = 1 m = 0.0 n = 10.0 Test DF Criterion Statistic F Num Denom P Wilks'

10 Lawley-Hotelling Pillai's Roy's MANOVA for PS 851 s = 1 m = 0.0 n = 10.0 Test DF Criterion Statistic F Num Denom P Wilks' Lawley-Hotelling Pillai's Roy's MANOVA for PS 864 s = 1 m = 0.0 n = 10.0 Test DF Criterion Statistic F Num Denom P Wilks' Lawley-Hotelling Pillai's Roy's MANOVA for PS 921 s = 1 m = 0.0 n = 10.0 Test DF Criterion Statistic F Num Denom P Wilks' Lawley-Hotelling Pillai's Roy's MANOVA for PS JT 941 s = 1 m = 0.0 n = 10.0 Test DF Criterion Statistic F Num Denom P Wilks'

11 Lawley-Hotelling Pillai's Roy's Lampiran 7 Uji Distribusi Normal Multivariat MTB > %Normal Multivariat.txt c14-c15 Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer = Answer =

12 Data Display t Residual berdistribusi Normal Multivariat Lampiran 8 Makro MINITAB Untuk Uji Distribusi Normal Multivariat macro qq x.1-x.p mconstant i n p t chis mcolumn d x.1-x.p dd pi q ss tt mmatrix s sinv ma mb mc md let n=count(x.1) cova x.1-x.p s invert s sinv do i=1:p let x.i=x.i-mean(x.i) enddo do i=1:n copy x.1-x.p ma; use i. transpose ma mb multiply ma sinv mc multiply mc mb md copy md tt let t=tt(1) let d(i)=t enddo set pi 1:n end let pi=(pi-0.5)/n sort d dd invcdf pi q; chis p. plot q*dd

13 invcdf 0.5 chis; chis p. let ss=dd<chis let t=sum(ss)/n print t if t>0.5 note distribusi residual Normal Multivariat endif if t<=0.5 note distribusi residual bukan Normal Multivariat endif endmacro Lampiran 9 Uji Barlet s MTB > %barlets.txt c1-c11 Data Display chis pvalue 0 Lampiran 10 Makro MINITAB Untuk Uji Barlet s macro bart x.1-x.p mconstant i n p d chis pp pvalue v mcolumn x.1-x.p eigen mmatrix r let n=count(x.1) corr x.1-x.p r eigenvalues r eigen let d=0 do i=1:p let d=d+loge(eigen(i))

14 enddo let chis=-(n-1-(2*p+5)/6)*d let v=p*(p-1)/2 cdf chis pp; chis v. let pvalue=1-pp print chis pvalue endmacro

15 BIODATA PENULIS Penulis dilahirkan di kota Blora, 22 Agustus 1987, merupakan anak pertama dari tiga bersaudara. Penulis telah menempuh pendidikan formal yaitu di TK Hang Tuah 9 Surabaya, SLTP N 11 Surabaya, dan SMA N 19 Surabaya. Setelah lulus dari SMAN pada tahun 2005, penulis mengikuti tes jalur Non-SPMB dan diterima di jurusan D3 Statistika FMIPA ITS pada tahun 2006 dan terdaftar dengan NRP Di Jurusan Statistika ini penulis aktif berorganisasi di Himpunan Mahasiswa Statistika dan bergabung di departemen KEILKA sebagai staf periode Penulis yang mempunyai hobi renang dan bermain game sangat menyukai udara yang sejuk dan pemandangan pedesaan. Motto hidup sang penulis tidak hanya satu yaitu senyum selalu karena senyum adalah ibadah, melakukan yang terbaik disetiap detik dalam hidup dan berpikir sebelum mengambil tindakan karena hidup ini penuh dengan pilihan yang membingungkan. Teknologi semakin canggih, ayo semangat untuk Indonesia Maju!!!