Didin Astriani P, Oki Dwipurwani, Dian Cahyawati (Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya)
|
|
- Leony Darmali
- 7 tahun lalu
- Tontonan:
Transkripsi
1 (M.2) ANALISIS BIPLOT UNTUK MENGETAHUI KARAKTERISTIK PUTUS SEKOLAH PENDIDIKAN DASAR PADA MASYARAKAT MISKIN ANTAR WILAYAH KECAMATAN DI KABUPATEN OGAN ILIR Didin Astriani P, Oki Dwipurwani, Dian Cahyawati (Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya) Abstrak Masalah putus sekolah pendidikan dasar masih menjadi masalah yang perlu diperhatikan, terutama pada masyarakat miskin. Demikian juga di Wilayah Kabupaten Ogan Ilir yang masih memiliki jumlah penduduk miskin relatif cukup besar. Wilayah ini terdiri dari 16 Kecamatan dengan beberapa diantaranya adalah hasil pemekaran. Karakteristik wilayah antar kecamatan hasil pemekaran yang saling berbeda, merupakan faktor yang dapat menyebabkan karakteristik putus sekolah pendidikan dasar antar kecamatan berbeda-beda, sehingga perlu dianalisis untuk mendapatkan pemetaan masalah putus sekolah antar kecamatan terhadap faktor-faktor yang berkaitan dengan karakteristik putus sekolah pendidikan dasar. Pemetaan ini diperoleh dengan menggunkan Analisis Biplot. Objek yang diamati dalam penelitian ini adalah seluruh kecamatan yang berada di Kabupaten Ogan Ilir, sedangkan yang menjadi karakteristik peubahnya adalah Angka Putus Sekolah, Angka Partisipasi Murni, Persentase Anak yang Bekerja, Tingkat Motivasi Anak, Tingkat Motivasi Orang Tua, Persentase Tingkat Pendidikan Kepala Keluarga yang Tidak Tamat SD, dan Jumlah Anak. Hasil Analisis Biplot diperlihatkan bahwa Kecamatan Payaraman dan Kandis mempunyai kemiripan dalam hal karakteristik Jumlah Anak, Persentase Pendidikan Kepala Keluarga yang Tidak Tamat SD dan Angka Putus Sekolah yang relatif tinggi, serta Angka Partisipasi Murni yang relatif rendah. Peubah Angka Putus Sekolah mempunyai korelasi yang kuat dengan peubah Angka Partisipasi Murni, Persentase Anak yang Bekerja, Persentase Pendidikan Kepala Keluarga yang Tidak Tamat SD, dan Jumlah Anak. Kecamatan Muara Kuang mempunyai karakteristik Angka Putus Sekolah yang sangat tinggi dan Angka Partisipasi Murni yang sangat rendah. Berdasarkan hasil ini, diharapkan dapat menjadi pertimbangan bagi Pemerintah Daerah Kabupaten Ogan Ilir agar lebih mengutamakan kebijakan-kebijakan yang diterapkan untuk menangani masalah putus sekolah dengan karakteristik wilayah masing-masing kecamatan. Kata kunci: Angka Putus Sekolah Pendidikan Dasar, Masalah Kemiskinan, Metode Biplot. 13
2 A. PENDAHULUAN Kabupaten Ogan Ilir (OI) mempunyai 16 kecamatan dengan beberapa diantaranya adalah hasil pemekaran. Sebagai kecamatan-kecamatan yang baru, hasil pemekaran, masingmasing wilayah ini masih memiliki tantangan dalam pembangunannya, salah satunya yaitu masih terbatasnya akses atas sarana dan prasarana termasuk pada bidang pendidikan. Selain terbatasnya sarana dan prasarana pendidikan, untuk masing-masing kecamatan di wilyah Kabupaten OI masih memiliki jumlah penduduk miskin yang relatif cukup besar. Data Badan Perencanaan dan Pembangunan Nasional (Bappenas, 27) menunjukan bahwa proporsi populasi dibawah garis kemiskinan Kabupaten OI sebesar 19,45% masih di atas Palembang (16,8%) dan Nasional (16,66%) serta sangat jauh dengan capaian pembangunan milenium (Millenium Development Goals - MDGs) yang harus tercapai pada tahun 215, yaitu menurunkan angka kemiskinan hingga 7,5 %. Kemiskinan sebagai salah satu penyebab putus sekolah (Supriadi dalam Cahyawati 27) dapat merupakan faktor penyebab masalah rendahnya partisipasi sekolah pendidikan dasar. Berdasarkan hal di atas, terlihat bahwa tingkat partisipasi sekolah, yang terkait dengan masalah putus sekolah, masih menjadi masalah yang perlu diperhatikan terutama pada masyarakat miskin di Kabupaten Ogan Ilir untuk masing-masing kecamatan hasil pemekaran. Selain itu, karakteristik wilayah antar kecamatan hasil pemekaran yang saling berbeda, merupakan faktor yang menyebabkan karakteristik putus sekolah pendidikan dasar antar kecamatan berbeda-beda. Sehingga perbedaan karakteristik wilayah ini perlu dianalisis untuk mendapatkan pemetaan karakteristik putus sekolah pendidikan dasar masyarakat miskin antar wilayah Kecamatan di Kabupaten Ogan Ilir. Salah satu metode yang dapat digunakan untuk mendapatkan pemetaan tersebut adalah Analisis Biplot. Metode ini menganalisis peubah-peubah yang berkaitan dengan objek pengamatan, menampilkannya dalam grafik pada suatu bidang datar. Sehingga diperoleh pemetaan dalam bentuk grafik yang lebih menarik dan mudah diinterpretasikan. Dengan demikian, melalui pemetaan karakteristik antar kecamatan berdasarkan faktor-faktor yang berkaitan dengan putus sekolah, diharapkan dapat memberikan informasi untuk menentukan kebijakan yang berkaitan dengan faktor-faktor yang berisiko pada putus 14
3 sekolah untuk masing-masing kecamatan, khususnya pada masyarakat miskin di wilayah Kabupaten Ogan Ilir. B. TINJAUAN PUSTAKA B.1. Nilai Eigen dan Vektor Eigen Definisi: Jika A adalah sebuah matriks yang berukuran nxn, maka sebuah vektor taknol x pada R n disebut vektor eigen dari A, jika Ax adalah kelipatan skalar dari x, yakni: Ax = λx untuk skalar sembarang λ. Skalar λ disebut nilai eigen dari A dan x disebut vektor eigen dari A yang terkait dengan λ. Persamaan Ax = λx dapat ditulis sebagai (A-λI)x=. B.2. Penguraian Nilai Singular (PNS) (Anton dan Rorres, 22) Penguraian nilai singular (PNS) menunjukan matriks berukuran nxp dengan menghasilkan tiga perkalian matriks, yaitu: n p n p n r r ' p X = U L A (B.1) Dimana X adalah matriks berukuran nxp dengan jumlah kolom r. U= 1 xa1, λ 1 1 λ 2 xa 2,..., 1 λ r xa r adalah matriks berukuran nxr, merupakan himpunan vektor eigen dari X ' X atau ' XX. L adalah matriks diagonal berukuran rxr dengan unsur-unsur diagonalnya adalah akar kuadrat dari nilai eigen matriks X ' X atau ' XX dengan diagonal matriks L ini disebut nilai singular matriks X. λ1 λ λ r >. Unsur-unsur 1 15
4 L= λ M 1 λ M 2 λ M O... M λ r [ a a,..., ] A = adalah vektor eigen dari matriks X ' X 1, 2 a r atau ' XX. (Sharma, 1996) B.3. Analisis Biplot Analisis Biplot merupakan teknik statistik deskriptif dimensi ganda yang dapat disajikan secara visual dengan menyajikannya secara simultan segugus objek pengamatan dan peubah dalam suatu grafik pada suatu bidang datar sehingga ciri-ciri peubah dan objek pengamatan serta posisi relatif antara objek pengamatan dengan peubah dapat dianalisis. Jadi dengan biplot dapat ditunjukan hubungan antara peubah, kemiripan relatif antar objek pengamatan, serta posisi relatif antar objek pengamatan dengan peubah (jollife, 1986 & Rawlings, 1988, dalam Sartono, dkk, 23). Jika didefinisikan bahwa G = UL α dituliskan menjadi: dan H ' =L 1-α A ', maka persamaan (B.1) dapat Penguraian Nilai Singular matriks ' X = GH (B.2) ' X = GH dapat dituliskan sebagai: X = UL α L 1-α A ' dengan α [,1] C. METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah survei. Survei dilakukan secara langsung dengan menyebarkan kuesioner terhadap rumah tangga miskin setiap kecamatan yang ada di wilayah Kabupaten Ogan Ilir. Kuesioner berisikan pertanyaan-pertanyaan yang 16
5 berkaitan dengan karakteristik Putus Sekolah Pendidikan Dasar dan Kondisi Sosial Ekonomi Keluarga. Teknik pengambilan sampel yang digunakan adalah teknik pengambilan sampel acak klaster (cluster random sampling). Dimana terdapat 16 kecamatan di Kabupaten OI, dari setiap kecamatan diambil dua desa secara acak sehingga diperoleh 32 desa, dari setiap desa diambil dua Rukun Tangga (RT) secara acak sehingga diperoleh 64 RT sebagai wilayah penelitian. Artinya, seluruh kepala keluarga yang memiliki anak usia sekolah pendidikan dasar (7-15 tahun) dan merupakan keluarga miskin yang ada di 64 RT tersebut merupakan responden. Karakteristik putus sekolah yang diamati dalam penelitian ini adalah: 1) Angka Putus Sekolah Pendidikan Dasar 2) Angka Partisipasi Murni Pendidikan Dasar 3) Persentase Anak Usia Pendidikan Dasar yang Bekerja 4) Rata-Rata Motivasi Anak Terhadap Sekolah 5) Rata-Rata Motivasi Orang Tua Terhadap Sekolah 6) Persentase Pendidikan KK yang Tidak Tamat SD 7) Jumlah Anak Orang Tua Objek yang diamati dalam penelitian ini adalah semua Kecamatan di Kabupaten Ogan Ilir, terdiri dari 16 kecamatan, yaitu: No Kecamatan Asal Hasil Pemekaran 1 Indralaya 1. Indralaya 2. Indralaya Utara 3. Indralaya Selatan 2 Pemulutan 1. Pemulutan 2. Pemulutan Barat 3. Pemulutan Selatan 3 Tanjung Batu 1. Tanjung Batu 2. Payaraman 4 Tanjung Raja 1. Tanjung Raja 2. Sungai Pinang 3. Rantau Panjang 5 Muara Kuang 1. Muara Kuang 2. Rambang Kuang 3. Lubuk Keliat 17
6 6 Rantau Alai 1. Rantau Alai 2. Kandis Prosiding Langkah-langkah untuk menggambarkan pemetaan karakteristik putus sekolah pendidikan dasar masyarakat miskin antar wilayah Kecamatan di Kabupaten Ogan Ilir dengan menggunakan analisis biplot adalah sebagai berikut: 1. Membuat tabel data karakteristik putus sekolah pendidikan dasar untuk masingmasing kecamatan dalam bentuk baris dan kolom. 2. Mencari akar ciri λ dan vektor ciri x dari matriks R. 3. Mencari matriks G dengan α = 1dan matriks H dengan α =, dimana α G = UL = UL dan ' 1 ' H = L α A = 1 ' L A 4. Memplotkan matriks G dan H dalam satu grafik berdimensi dua (biplot), sehingga menghasilkan pemetaan antar wilayah Kecamatan di Kabupaten Ogan Ilir berdasarkan karakteristik putus sekolah pendidikan dasar. 5. Menginterpretasikan hasil biplot yang menggambarkan kemiripan masing-masing kecamatan berdasarkan peubah atau karakteristik yang diamati. 6. Menbuat kesimpulan hasil penelitian D. HASIL DAN PEMBAHASAN Berdasarkan hasil survei, data masing-masing kecamatan dengan karakteristik putus sekolah pendidikan dasar masyarakat miskin untuk masing-masing Kecamatan di Kabupaten Ogan Ilir dapat dilihat pada Tabel Tabel Data Karakteristik Putus Sekolah Pendidikan Dasar Masyarakat Miskin untuk Masing-Masing Kecamatan di Kabupaten Ogan Ilir No Kecamatan Karakteristik Putus Sekolah Pendidikan Dasar X 1 X 2 X 3 X 4 X 5 X 6 X 7 1 Indralaya 1,53 89,47, 36,29 36,55 2, 3,35 2 Indralaya Utara 1,53 89,47 15,79 32,24 3,68 63,64 3,23 3 Indralaya Selatan 8,82 85,29 2,94 34,5 34,43 61,9 3,24 4 Pemulutan 8,11 91,89 5,41 33,95 34,12 84, 3,28 18
7 5 Pemulutan Barat 12,82 87,18 5,13 33,3 32,76 76,19 3,62 6 Pemulutan Selatan 12,12 87,88 12,12 32,24 31,96 9,91 3,68 7 Tanjung Batu 15, 8, 2,5 34,1 34,95 52,38 3,57 8 Payaraman 18,92 81,8 16,22 33,92 34,7 75, 4,1 9 Tanjung Raja 3,13 93,75 6,25 35,16 34,96 68,18 3,23 1 Sungai Pinang 9,3 88,37 11,63 33,4 34,28 64, 3,68 11 Rantau Panjang 11,77 88,24 5,88 33,71 33, 77,27 2,68 12 Muara Kuang 31,43 62,86 37,14 33,89 34,57 66,67 4,24 13 Rambang Kuang 19,5 8,95 11,91 32,29 32,91 85,71 3,19 14 Lubuk Keliat 8,82 88,24 8,82 33,74 34,86 77,27 3,73 15 Rantau Alai 12, 88, 12, 33,96 34,9 47,37 3,53 16 Kandis 27,45 68,63 11,77 33,78 35,81 61,9 4,48 Keterangan: X 1 = Angka Putus Sekolah Pendidikan Dasar X 2 = Angka Partisipasi Murni (APM) Pendidikan Dasar X 3 = Persentase Anak Usia Pendidikan Dasar yang Bekerja X 4 = Rata-rata Motivasi anak terhadap Sekolah X 5 = Rata-rata Motivasi orangtua terhadap Sekolah X 6 = Persentase Tingkat Pendidikan KK yang Tidak Tamat SD X 7 = Rata-rata Jumlah Anak dalam Keluarga Nilai-nilai dalam Tabel 4.11 tersebut merupakan elemen-elemen matriks data X Berdasarkan matriks data X 16 7 tersebut, dapat dihitung matriks korelasi R antar peubah karakteristik putus sekolah pendidikan dasar, kemudian nilai-nilai akar ciri dari matriks korelasi R dapat dilihat pada Tabel
8 Tabel Nilai-Nilai Akar Ciri dari Matriks Korelasi R Komponen Akar Ciri Keragaman Total (%) Kumulatif (%) 1 3,61 51,6 51,6 2 1,96 27,98 79,58 3,76 1,83 9,41 4,39 5,53 95,94 5,2 2,85 98,79 6,6,86 99,65 7,2,35 1, Berdasarkan Tabel 4.13, diperoleh informasi bahwa nilai akar ciri pada komponen utama pertama (KU I) sebesar 3,61 dengan keragaman yang dapat dijelaskan oleh satu KU tersebut sebesar 51,6%. Nilai akar ciri untuk komponen utama kedua (KU II) sebesar 1,96 dengan keragaman yang bisa dijelaskan sebesar 27,98%. Maka, jika digunakan dua nilai akar ciri terbesar pertama, berarti ada dua komponen utama (KU) yang digunakan sebagi peubah baru, sehingga kedua KU ini menerangkan data asal sebesar 79,58%. Dua peubah baru disini adalah peubah komponen utama pertama (KU I) dan komponen utama kedua (KU II) yang ditata berdasarkan keragamannya yang terbesar sampai yang terkecil. Nilai-nilai vektor ciri dari matriks korelasi R dapat dilihat pada Tabel 4.15 berikut. Tabel Dua Vektor Ciri Pertama dari Matriks Korelasi Peubah I Vektor Ciri II X 1,256,1 X 2 -,253 -,54 11
9 X 3,233 -,154 X 4 -,5,474 X 5,42,495 X 6,191 -,1 X 7,229,118 Prosiding Nilai-nilai Tabel 4.15, merupakan elemen matriks dua vektor ciri 7 A 2 dengan tujuh peubah asal karakteristik putus sekolah dan dua peubah baru KU. Peubah baru yang dihasilkan memiliki korelasi dengan peubah asal. Nilai masingmasing koefisien korelasi peubah asal terhadap peubah baru dapat dilihat pada Tabel 4.14 Tabel Nilai-nilai Korelasi Peubah Asal dengan KU Peubah Komponen Utama (KU) I II X 1,926,1 X 2 -,912 -,17 X 3,841 -,32 X 4 -,181,928 X 5,151,97 X 6,69 -,19 X 7,828,231 Nilai-nilai Tabel 4.14, merupakan elemen-elemen matriks 7 H 2, yaitu nilai-nilai koefisien dua komponen utama (KU) untuk masing-masing peubah asal. Sehingga didapat kombinasi linear peubah asal untuk peubah baru KU, yaitu: 111
10 KU 1 =,926X 1,912X 2 +,841X 3,181X 4 +,151X 5 +,69X 6 +,828X 7 KU 2 =,1X 1 -,17X 2 -,32X 3 +,928X 4 +,97X 5,19X 6 +,231X 7 Unsur-unsur dari matriks 7 H 2 merupakan titik-titik koordinat yang mewakili tujuh peubah karakteristik putus sekolah pendidikan dasar untuk masing-masing di Wilayah Kabupaten Ogan Ilir. Dua skor KU yang diperoleh untuk masing-masing Kecamatan di Kabupaten Ogan Ilir dapat dilihat pada tabel Tabel Skor KU I dan KU II untuk Masing-Masing Kecamatan di Kabupaten Ogan Ilir No Kecamatan Skor KU I Skor KU II 1 Indralaya -,61 2,6 2 Indralaya Utara -,45-2,3 3 Indralaya Selatan -,73,5 4 Pemulutan -,74,6 5 Pemulutan Selatan -,29 -,68 6 Pemulutan Barat,31-1,43 7 Tanjung Batu -,23,63 8 Payaraman,98,32 9 Tanjung Raja -,98,84 1 Sungai Pinang -,24 -,11 11 Rantau Panjang -,99 -,55 12 Muara Kuang 2,81,4 13 Rambang Kuang,19-1,16 14 Lubuk Keliat -,29,3 112
11 15 Rantau Alai -,18,3 16 Kandis 1,45,91 Prosiding Nilai-nilai Tabel 4.16, merupakan elemen-elemen matriks 16 G 2 yang unsur-unsurnya merupakan titik-titik koordinat yang mewakili masing-masing kecamatan yang berada di Kabbupaten Ogan Ilir, yaitu 16 kecamatan. Dalam Analisis Biplot digunakan penggabungan dua buah matriks, yaitu matriks G dan matriks H. Matriks G dan H masing-masing diplot berdasarkan koordinat masingmasing unsur dari matriks G dan H. Hasil pemetaan Biplot dapat dilihat pada Gambar Indralaya KU II 27,98%. Tanjung Raja X4 X5 Indralaya Selatan Tanjung Batu Pemulutan Rantau Alai X2 Lubuk Keliat Sungai Pinang Rantau Panjang Pemulutan Selatan X7 X6 Payaraman X3 X1 Kandis Muara Kuang Rambang Kuang -2. Indralaya Utara Pemulutan Barat KU I 51,6% 3. Gambar 3. Pemetaan Kecamatan di Kabupaten Ogan Ilir Berdasarkan Karakteristik Partisipasi Sekolah Pendidikan Dasar dan Sosial Ekonomi Keluarga Biplot pada gambar 4.3. mampu menjelaskan keragaman data sebesar 79,58% dari keseluruhan informasi pada data asal, mengenai karakteristik putus sekolah pendidikan dasar 113
12 untuk masing-masing Kecamatan di Wilayah Kabupaten Ogan Ilir. Selanjutnya hasil Analisis Biplot dapat diinterpretasikan sebagai berikut: 1. Berdasarkan Kedekatan antar Objek Masing-masing Kecamatan Kecamatan Tanjung Raja, Indralaya Selatan, Tanjung Batu, rantau Alai, Lubuk Keliat, Sungai Pinang, Rantau Panjang, dan pemulutan memiliki karakteristik hampir mirip. Kecamatan Pemulutan Selatan, Rambang Kuang, dan Pemulutan Barat mempunyai kemiripan. Kecamatan Payaraman dan Kecamatan Kandis memiliki kemiripan. Kecamatan Muara Kuang, Indralaya dan Indralaya Utara, masing-masing membentuk kelompok sendiri-sendiri. 2. Berdasarkan Keragaman Peubah-peubah Karakteristik Putus Sekolah Pendidikan Dasar Berdasarkan panjang vektor yang lebih kecil, Peubah Motivasi Anak dan Motivasi Orang Tua mempunyai keragaman yang relatif lebih kecil, artinya motivasi anak maupun orang tua untuk masing-masing kecamatan relatif sama. Berdasarkan panjang vektor yang lebih panjang, peubah Angka Partisipasi Murni mempunyai keragaman yang lebih besar, artinya Angka Partisipasi Murni untuk masing-masing Kecamatan lebih beragam. 3. Berdasarkan Hubungan/Korelasi antar Peubah-peubah Karakteristik Putus Sekolah Pendidikan Dasar Sudut yang dibentuk antar dua peubah menunjukan kuat tidaknya korelasi antar peubah, baik korelasi positif maupun korelasi negatif. Vektor X 1 berhimpit dengan vektor X 6. Hal ini menunjukan bahwa kedua peubah ini mempunyai korelasi positif yang sangat kuat, artinya semakin tinggi Persentase Tingkat Pendidikan KK yang tidak tamat SD (X 6 ) maka Angka Putus Sekolah pendidikan dasar (X 1 ) semakin tinggi. Vektor X 1 hampir berhimpit dengan vektor X 3. Hal ini menunjukan bahwa kedua peubah ini mempunyai korelasi positif yang sangat kuat, artinya, semakin tinggi Persentase Anak usia pendidikan dasar yang bekerja (X 3 ). maka semakin tinggi Angka Putus Sekolah pendidikan dasar (X 1 ). 114
13 Vektor X 1 juga hampir berhimpit dengan vektor X 7. Hal ini menunjukan semakin tinggi Jumlah Anak (X 7 ), maka semakin tinggi Angka Putus Sekolah pendidikan dasar (X 1 ). Vektor dari peubah Motivasi Anak (X 4 ) hampir berhimpit dengan vektor dari peubah Motivasi Orang Tua (X 5 ). Hal ini menunjukan bahwa semakin tinggi motivasi orang tua maka semakin tinggi tingkat motivasi anak terhadap sekolah. Vektor APM pendidikan dasar (X 2 ) berlawanan arah dengan vektor Angka Putus Sekolah pendidikan dasar (X 1 ). Hal ini menunjukan bahwa kedua peubah ini mempunyai korelasi negatif, artinya semakin kecil APM maka semakin besar Angka Putus Sekolah. 4. Berdasarkan Nilai Peubah pada Suatu Objek Hal ini menunjukan karakteristik putus sekolah pendidikan dasar untuk masingmasing Kecamatan di Kabupaten Ogan Ilir. Vektor X 4 lebih mengarah pada Kecamatan Indralaya, hal ini menunjukan Kecamatan Indralaya cenderung memiliki karakteristik yang lebih baik dalam hal motivasi anak (X 4 ) yang lebih tinggi. Karena motivasi orang tua (X 5 ) berkorelasi positif terhadap motivasi anak (X 4 ), maka motivasi orang tua di Kecamatan Indralaya juga tinggi Vektor X 1, X 3, dan X 6 lebih mengarah pada Kecamatan Muara Kuang, hal ini menunjukan tingkat Angka Putus Sekolah (X 1 ), Persentase anak yang bekerja (X 4 ), dan Persentase tingkat pendidikan KK yang tidak tamat SD (X 6 ) pada Kecamatan Muara Kuang paling besar. Sedangkan vektor APM (X 2 ) arahnya berlawanan dengan kecamatan Muara Kuang hal ini menunjukan bahwa Kecamatan Muara Kuang memiliki APM yang lebih rendah. Vektor X 2 lebih mengarah pada kecamatan Pemulutan, sedangkan vektor X1 dan X 6 justru berlawanan. Hal ini menunjukan bahwa Kecamatan Pemulutan cenderung memiliki APM pendidikan dasar yang lebih tinggi, sedangkan Angka Putus Sekolah dan Persentase Tingkat Pendidikan KK yang tidak tamat SD lebih rendah. Arah vektor X 4 berlawanan arah dengan Kecamatan Rambang Kuang dan Pemulutan Barat, vektor X 5 berlawanan arah dengan Kecamtan Indralaya Utara. Hal ini menunjukan bahwa ketiga kecamatan ini mempunyai motivasi terhadap sekolah yang rendah (baik orang tua maupun anak). 115
14 E. KESIMPULAN DAN SARAN E.1. Kesimpulan 1. Kecamatan Tanjung Raja, Indralaya Selatan, Tanjung Batu, rantau Alai, Lubuk Keliat, Sungai Pinang, Rantau Panjang, dan pemulutan memiliki karakteristik hampir mirip berdasarkan Angka Partisipasi Murni yang relatif tinggi, sedangkan Angka Putus Sekolah, Persentase Tingkat Pendidikan Kepala Keluarga yang tidak tamat SD, Jumlah Anak dalam keluarga dan Persentase Anak yang bekerja relatif lebih rendah. 2. Kecamatan Pemulutan Selatan, Rambang Kuang dan Pemulutan Barat mempunyai kemiripan dalam hal motivasi terhadap sekolah relatif lebih rendah (baik orang tua maupun anak). 3. Kecamatan Payaraman dan Kecamatan Kandis memiliki kemiripan dalam hal karakteristik jumlah anak yang lebih tinggi, persentase anak yang bekerja dan angka putus sekolah yang relatif tinggi, serta karakteristik Angka Partisipasi Murni yang relatif rendah. 4. Kecamatan Indralaya mempunyai tingkat motivasi terhadap sekolah yang sangat tinggi, baik Orang Tua maupun Anak 5. Kecamatan Muara Kuang mempunyai karakteristik tingkat Angka Putus Sekolah, Persentase Pendidikan Kepala Keluarga yang tidak tamat SD, dan Persentase Anak yang bekerja sangat tinggi. 6. Kecamatan Indralaya Utara mempunyai tingkat Motivasi Orang Tua terhadap sekolah yang sangat rendah. E.2. Saran 1. Kepada pemerintah Kabupaten Ogan Ilir disarankan agar lebih memperhatikan Kecamatan Muara Kuang, Kecamatan Payaraman dan Kecamatan Kandis, karena masyarakat miskin di kecamatan tersebut memiliki Angka Putus Sekolah yang relatif masih tinggi. 2. Untuk mendapatkan kesempurnaan dalam penulisan atau penelitian yang akan datang, maka penulis menyarankan untuk menganalisis besarnya faktor-faktor yang mempengaruhi Putus Sekolah pendidikan dasar, Misalnya Metode Pohon Klasifikasi dan Metode Regresi Logistik. 116
15 F. DAFTAR PUSTAKA Anton, H. & C. Rorres. 22. Aljabar Linier Elementer, Edisi Kedelapan Jilid 1. Erlangga, Jakarta. Sartono, B., F.M. Affandi, U.D. Syafitri, I.M. Sumertajaya & Y. Agraeni. 23. Analisis Peubah Ganda. Jurusan Statistika FMIPA IPB, Bogor. Sharma, S Applied Multivariate Techniques. John Wiley & Sons, Inc. New York. 117
Pemetaan Biplot untuk Masalah Putus Sekolah Pendidikan Dasar pada Masyarakat Miskin antar Kecamatan di Kabupaten Ogan Ilir
Jurnal Penelitian Sains Volume 14 Nomer 2(A) 14203 Pemetaan Biplot untuk Masalah Putus Sekolah Pendidikan Dasar pada Masyarakat Miskin antar Kecamatan di Kabupaten Ogan Ilir Dian Cahyawati S. dan Oki Dwipurwani
Lebih terperinciPEMETAAN MASALAH PUTUS SEKOLAH PENDIDIKAN DASAR MASYARAKAT MISKIN ANTAR KECAMATAN SEBAGAI UPAYA PEMERATAAN AKSES PENDIDIKAN DI KABUPATEN OGAN ILIR
PEMETAAN MASALAH PUTUS SEKOLAH PENDIDIKAN DASAR MASYARAKAT MISKIN ANTAR KECAMATAN SEBAGAI UPAYA PEMERATAAN AKSES PENDIDIKAN DI KABUPATEN OGAN ILIR Dian Cahyawati S. Fakultas MIPA Universitas Sriwijaya
Lebih terperinciINFORMASI YANG BISA DIAMBIL DARI BIPLOT
ANALISIS BIPLOT PENGANTAR Biplot diperkenalkan pertama kali oleh Gabriel (1971) sehingga sering disebut sebagai Gabriel s biplot. Metode ini tergolong dalam analisis eksplorasi peubah ganda yang ditujukan
Lebih terperinciPERBANDINGAN ANALISIS BIPLOT KLASIK DAN ROBUST BIPLOT PADA PEMETAAN PERGURUAN TINGGI SWASTA DI JAWA TIMUR
Jur. Ris. & Apl. Mat. I (207), no., xx-xx Jurnal Riset dan Aplikasi Matematika e-issn: 258-054 URL: journal.unesa.ac.id/index.php/jram PERBANDINGAN ANALISIS BIPLOT KLASIK DAN ROBUST BIPLOT PADA PEMETAAN
Lebih terperinciAnalisis Tingkat Kepuasan Mahasiswa Terhadap Kualitas Pelayanan Akademik Menggunakan Analisis Faktor
Prosiding Semirata FMIPA Universitas Lampung, 2013 Analisis Tingkat Kepuasan Mahasiswa Terhadap Kualitas Novi Rustiana Dewi Jurusan Matematika FMIPA Universitas Sriwijaya E-mail: nrdewimath09@gmail.com
Lebih terperinciOleh: Dian Cahyawati S. Jurusan Matematika FMIPA Universitas Sriwijaya ABSTRAK
(M.3) ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG BERKAITAN DENGAN RISIKO ANAK PUTUS SEKOLAH PENDIDIKAN DASAR (Kasus : Wilayah Kabupaten Ogan Ilir Provinsi Sumatera Selatan) Oleh: Dian Cahyawati S. Jurusan Matematika
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 13 Peubah Ganda
STK511 Analisis Statistika Pertemuan 13 Peubah Ganda 13. Peubah Ganda: Pengantar Pengamatan Peubah Ganda Menggambarkan suatu objek tidak cukup menggunakan satu peubah saja Kasus pengamatan peubah ganda
Lebih terperinciCompany LOGO ANALISIS BIPLOT
Company LOGO ANALISIS BIPLOT Pendahuluan Company name Data : ringkasan berupa nilai beberapa peubah pada beberapa objek Objek n Nilai Peubah X X.. Xp Company name Penyajian Data dalam bentuk matriks =
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 terperinciTINJAUAN PUSTAKA Analisis Gerombol
3 TINJAUAN PUSTAKA Analisis Gerombol Analisis gerombol merupakan analisis statistika peubah ganda yang digunakan untuk menggerombolkan n buah obyek. Obyek-obyek tersebut mempunyai p buah peubah. Penggerombolannya
Lebih terperinciTransformasi Biplot Simetri Pada Pemetaan Karakteristik Kemiskinan
Transformasi Biplot Simetri Pada Pemetaan Karakteristik Kemiskinan Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail: Desi_its@yahoo.com Mustika Hadijati Fakultas MIPA, Universitas Mataram e-mail:
Lebih terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Dalam kehidupan sehari-hari seringkali dijumpai sesuatu hal yang banyak melibatkan sejumlah variabel yang antar variabel saling berpengaruh, hal semacam ini akan lebih mudah diinterpretasikan
Lebih terperinciNILAI EIGEN DAN VEKTOR EIGEN disebut vektor eigen dari matriks A =
NILAI EIGEN DAN VEKTOR EIGEN >> DEFINISI NILAI EIGEN DAN VEKTOR EIGEN Jika A adalah sebuah matriks n n, maka sebuah vektor taknol x pada R n disebut vektor eigen (vektor karakteristik) dari A jika Ax adalah
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari
BAB 2 LANDASAN TEORI 21 Analisis Komponen Utama 211 Pengantar Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari tulisan Karl Pearson pada tahun 1901 untuk peubah non-stokastik Analisis
Lebih terperinciAnalisis Biplot terhadap Pemetaan Kebutuhan Guru SMP di Kabupaten Kepulauan Sangihe Berdasarkan Rasio Guru per Mata Pelajaran
Analisis Biplot terhadap Pemetaan Kebutuhan Guru SMP di Kabupaten Kepulauan Sangihe Berdasarkan Rasio Guru per Mata Pelajaran Listiani Amare 1, Jantjce D Prang 2, Tohap Manurung 3 1 Program Studi Matematika,
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Konseptual Dalam memahami pelajaran di sekolah siswa mungkin saja mengalami kesulitan dalam memahaminya. Hal ini dapat dikarenakan metode pembelajaran
Lebih terperinciKOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 17-22 ISSN: 2303-1751 KOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN I MADE ANOM ARIAWAN 1, I PUTU EKA NILA KENCANA 2, NI LUH PUTU
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Statistika Multivariat Analisis statistika multivariat adalah teknik-teknik analisis statistik yang memperlakukan sekelompok variabel terikat yang saling berkorelasi sebagai
Lebih terperinciAnalisis Biplot untuk Pemetaan Posisi dan Karakteristik Usaha Pariwisata di Provinsi Bali
Jurnal Matematika Vol. 6 No. 1, Juni 2016. ISSN: 1693-1394 Analisis Biplot untuk Pemetaan Posisi dan Karakteristik Usaha Pariwisata di Provinsi Bali I Gusti Ayu Made Srinadi Jurusan Matematika, Fakultas
Lebih terperinciPENGGAMBARAN KONDISI PSIKOGRAFIS ATAU PERILAKU MASYARAKAT KOTA BOGOR TERHADAP PERBANKAN SYARIAH DENGAN MENGGUNAKAN ANALISIS BIPLOT
PENGGAMBARAN KONDISI PSIKOGRAFIS ATAU PERILAKU MASYARAKAT KOTA BOGOR TERHADAP PERBANKAN SYARIAH DENGAN MENGGUNAKAN ANALISIS BIPLOT AMIRUDIN * ABSTRAK Pengetahuan kondisi Psikografis atau perilaku masyarakat
Lebih terperinciTINJAUAN PUSTAKA. dianalisis dan hasilnya ditransformasi menjadi matriks berukuran??
TINJAUAN PUSTAKA Data Disagregat dan Agregat Berdasarkan cara pengumpulannya, data dapat dibedakan atas data internal dan data eksternal. Data internal berasal dari lingkungan sendiri sedangkan data eksternal
Lebih terperincikarakteristik Kualitas Pengajar Berdasarkan Faktor Mutu Pelayanan di Jurusan Matematika FMIPA UNSRAT Menggunakan Analisis Biplot
JURNAL MIPA UNSRAT ONLINE 2 (1) 29-33 dapat diakses melalui http://ejournal.unsrat.ac.id/index.php/jmuo karakteristik Kualitas Pengajar Berdasarkan Faktor Mutu Pelayanan di Jurusan Matematika FMIPA UNSRAT
Lebih terperinciPerluasan Teorema Cayley-Hamilton pada Matriks
Vol. 8, No.1, 1-11, Juli 2011 Perluasan Teorema Cayley-Hamilton pada Matriks Nur Erawati, Azmimy Basis Panrita Abstrak Teorema Cayley-Hamilton menyatakan bahwa setiap matriks bujur sangkar memenuhi persamaan
Lebih terperinciTINJAUAN PUSTAKA Analisis Biplot Biasa
TINJAUAN PUSTAKA Analisis Biplot Biasa Analisis biplot merupakan suatu upaya untuk memberikan peragaan grafik dari matriks data dalam suatu plot dengan menumpangtindihkan vektor-vektor dalam ruang berdimensi
Lebih terperinciKeywords: Factorial Experiment, CRBD, AMMI, Analysis of Variance, PCA, Biplot
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 529-536 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS VARIAN PERCOBAAN FAKTORIAL DUA FAKTOR RAKL DENGAN METODE
Lebih terperinciANALISIS PRINCIPAL COMPONENT BIPLOTS PADA BANK UMUM PERSERO YANG BEROPERASI DI JAWA TENGAH
ANALISIS PRINCIPAL COMPONENT BIPLOTS PADA BANK UMUM PERSERO YANG BEROPERASI DI JAWA TENGAH Ely Fitria Rifkhatussa diyah 1, Hasbi Yasin 2, Agus Rusgiyono 3 1 Mahasiswa Jurusan Statistika FSM UNDIP 2,3 Staff
Lebih terperinciPENERAPAN ANALISIS KORESPONDENSI PADA DATA JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA DI INDONESIA
Jurnal Matematika UNAND Vol 5 No 2 Hal 56 64 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN ANALISIS KORESPONDENSI PADA DATA JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA DI INDONESIA CITRA KOMANG
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Implementasi Biplot Kanonik dan Analisis Procrustes dengan Mathematica Biplot biasa dengan sistem perintah telah terintegrasi ke dalam beberapa program paket statistika seperti SAS,
Lebih terperinciPENDAHULUAN LANDASAN ANALISIS
10 PENDAHULUAN Latar Belakang Biplot merupakan metode eksplorasi analisis data peubah ganda yang dapat memberikan gambaran secara grafik tentang kedekatan antar objek, keragaman peubah, korelasi antar
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 545-551 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS KECENDERUNGAN PEMILIHAN KOSMETIK WANITA DI KALANGAN
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 terperinciANALISIS LAPANGAN PEKERJAAN UTAMA DI JAWA TENGAH BERDASARKAN GRAFIK BIPLOT SQRT (SQUARE ROOT BIPLOT)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 41-50 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS LAPANGAN PEKERJAAN UTAMA DI JAWA TENGAH BERDASARKAN GRAFIK
Lebih terperinciANALISIS BIPLOT KOMPONEN UTAMA PADA BANK UMUM (COMMERCIAL BANK) YANG BEROPERASI DI JAWA TENGAH
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 61-70 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS BIPLOT KOMPONEN UTAMA PADA BANK UMUM (COMMERCIAL BANK)
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 terperinciMenentukan Nilai Eigen Tak Dominan Suatu Matriks Definit Negatif Menggunakan Metode Kuasa Invers dengan Shift
Jurnal Penelitian Sains Volume 14 Nomer 1(A) 14103 Menentukan Nilai Eigen Tak Dominan Suatu Matriks Definit Negatif Menggunakan Metode Kuasa Invers dengan Shift Yuli Andriani Jurusan Matematika FMIPA,
Lebih terperinciA. Kerangka Pemikiran Restoran fast food yang banyak bermunculan di kota Bogor saat ini memicu persaingan antar restoran fast food tersebut di kota
III. METODOLOGI A. Kerangka Pemikiran Restoran fast food yang banyak bermunculan di kota Bogor saat ini memicu persaingan antar restoran fast food tersebut di kota Bogor. Tiap perusahaan akan mengunggulkan
Lebih terperinciFajar Ropi BINUS UNIVERSITTY, Jakarta, Indonesia, Abstrak. Seiring dengan berjalannya waktu persaingan dan kompetisi untuk meraih
Analisis Sikap DAN Faktor Pemilihan Perguruan Tinggi Swasta Jakarta Berbasis Komputer Menggunakan Model Fishbein dan Biplot (Studi kasus : SMA Kota Bogor) Fajar Ropi BINUS UNIVERSITTY, Jakarta, Indonesia,
Lebih terperinciIII. METODOLOGI A. Kerangka Pemikiran
III. METODOLOGI A. Kerangka Pemikiran Persaingan dunia usaha semakin ketat dewasa ini, hal itu disebabkan semakin banyaknya pelaku usaha baru yang bermunculan dengan berbagai macam inovasi. Hal itu tentunya
Lebih terperinciAnalisis Hibrid Korespondensi Untuk Pemetaan Persepsi. Hybrid Correspondence Analysis for Mapping Perception
Jurnal EKSPONENSIAL Volume, Nomor, Mei ISSN 85-89 Analisis Hibrid Korespondensi Untuk Pemetaan Persepsi Hybrid Correspondence Analysis for Mapping Perception Fitriani, Rito Goejantoro, dan Darnah Andi
Lebih terperinciPenskalaan Dimensi Ganda (Multidimensional Scaling) Data Non Metrik
Jurnal Jurnal Matematika, Matematika, Statistika Statistika, & Komputasi Komputasi Vol. Vol. 3 No 3 No. Juli Januari 006 07 Vol 3, No, 8-35 3-30, Januari 07 8 Penskalaan Dimensi Ganda (Multidimensional
Lebih terperinciAnalisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur
Analisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur Qonitatin Nafisah, Novita Eka Chandra Jurusan Matematika Fakultas MIPA Universitas Islam Darul Ulum Lamongan
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 2, 71-81, Agustus 2001, ISSN :
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
Lebih terperinciANALISIS BIPLOT ROW METRIC PRESERVING UNTUK MENGETAHUI KARAKTERISTIK PROVIDER TELEPON SELULER PADA MAHASISWA S1 FSM UNIVERSITAS DIPONEGORO
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 331-340 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS BIPLOT ROW METRIC PRESERVING UNTUK MENGETAHUI KARAKTERISTIK
Lebih terperinci3.1 Kerangka Pemikiran
III. METODOLOGI 3.1 Kerangka Pemikiran Kecap banyak digunakan oleh masyarakat Indonesia saat memasak karena kecap termasuk bumbu pelengkap (condiment) yang memberikan rasa, warna, dan aroma yang khas serta
Lebih terperinciBAB II TINJAUAN PUSTAKA
5 BAB II TINJAUAN PUSTAKA A Matriks 1 Pengertian Matriks Definisi 21 Matriks adalah kumpulan bilangan bilangan yang disusun secara khusus dalam bentuk baris kolom sehingga membentuk empat persegi panjang
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Kemiskinan merupakan masalah yang sulit untuk diatasi. Salah satu sasaran pembangunan nasional adalah penurunan tingkat kemiskinan. Menurut Badan Pusat Statistik,
Lebih terperinciSPECTRUM PADA GRAF STAR ( ) DAN GRAF BIPARTISI KOMPLIT ( ) DENGAN
PROSIDING ISBN : 978 979 6353 3 SPECTRUM PADA GRAF STAR ( ) DAN GRAF BIPARTISI OMPLIT ( ) A. DENGAN Oleh Imam Fahcruddin Mahasiswa Jurusan Matematika Fakultas Sains dan Teknologi Universitas Islam Negeri
Lebih terperinciANALISIS BIPLOT UNTUK MEMETAKAN SEKOLAH MENENGAH PERTAMA DI KABUPATEN KEPULAUAN SANGIHE BERDASARKAN EMPAT INDIKATOR STANDAR NASIONAL PENDIDIKAN
JdC, Vol. 3, No. 2, September, 2014 1 ANALISIS BIPLOT UNTUK MEMETAKAN SEKOLAH MENENGAH PERTAMA DI KABUPATEN KEPULAUAN SANGIHE BERDASARKAN EMPAT INDIKATOR STANDAR NASIONAL PENDIDIKAN Jaqualine Tinungki
Lebih terperinciBAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang
BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA Analisis komponen utama adalah metode statistika multivariat yang bertujuan untuk mereduksi dimensi data dengan membentuk kombinasi linear
Lebih terperinciANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN I SUKASARI PURWAKARTA)
Prosiding Seminar Matematika dan Pendidikan Matematika ISBN: 978-60-61-0-9 hal 693-703 November 016 ANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN
Lebih terperinciPertama, daftarkan kedua himpunan vektor: himpunan yang merentang diikuti dengan himpunan yang bergantung linear, perhatikan:
Dimensi dari Suatu Ruang Vektor Jika suatu ruang vektor V memiliki suatu himpunan S yang merentang V, maka ukuran dari sembarang himpunan di V yang bebas linier tidak akan melebihi ukuran dari S. Teorema
Lebih terperinciPeranan dari Pemilihan Level sebagai Referensi pada Variabel Bebas Bertipe Kategori terhadap Derajat Multikolinieritas dalam Model Regresi Linier
Prosiding Statistika ISSN: 2460-6456 Peranan dari Pemilihan Level sebagai Referensi pada Variabel Bebas Bertipe Kategori terhadap Derajat Multikolinieritas dalam Model Regresi Linier 1 Seny Mustikawati,
Lebih terperinciEigen value & Eigen vektor
Eigen value & Eigen vektor Hubungan antara vektor x (bukan nol) dengan vektor Ax yang berada di R n pada proses transformasi dapat terjadi dua kemungkinan : 1) 2) Tidak mudah untuk dibayangkan hubungan
Lebih terperinciCreated By Aristastory.Wordpress.com BAB I PENDAHULUAN. Teori sistem dinamik adalah bidang matematika terapan yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Teori sistem dinamik adalah bidang matematika terapan yang digunakan untuk memeriksa kelakuan sistem dinamik kompleks, biasanya dengan menggunakan persamaan diferensial
Lebih terperinciPROSIDING ISSN: M-22 ANALISIS PERUBAHAN KELOMPOK BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT TAHUN DI PROVINSI JAWA TENGAH
M-22 ANALISIS PERUBAHAN KELOMPOK BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT TAHUN 2010-2015 DI PROVINSI JAWA TENGAH Rukini Badan Pusat Statistik Kabupaten Grobogan email:rukini@bps.go.id Abstrak Pembangunan
Lebih terperinciPENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA. Tatik Widiharih Jurusan Matematika FMIPA UNDIP
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
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 terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah : Matematika Diskrit 2 Kode / SKS : IT02 / 3 SKS Program Studi : Sistem Komputer Fakultas : Ilmu Komputer & Teknologi Informasi. Pendahuluan 2. Vektor.. Pengantar mata kuliah aljabar linier.
Lebih terperinciKlasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan
Statistika, Vol. 15 No. 2, 87-97 November 215 Klasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan Fitriana A.R. 1, Nurhasanah 2, Ririn Raudhatul
Lebih terperinciS 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Lebih terperinciPemetaan Kecamatan Kecamatan di Kabupaten Bolaang Mongondow Berdasarkan Hasil Produksi Pertanian dan Perkebunan Dengan Menggunakkan Analisis Biplot
Pemetaan Kecamatan Kecamatan di Kabupaten Bolaang Mongondow Berdasarkan Hasil Produksi Pertanian dan Perkebunan Dengan Menggunakkan Analisis Biplot 1 Friscilia D Kahuweka, 2 Marline Paendong, 3 Yohanes
Lebih terperinciKAJIAN TERHADAP TINGKAT PEMERATAAN PENDIDIKAN MENGGUNAKAN ANALISIS BIPLOT KLASIK DAN BIPLOT KEKAR
E-Jurnal Matematika Vol. 4 (2), Mei 2015, pp. 37-42 ISSN: 2303-1751 KAJIAN TERHADAP TINGKAT PEMERATAAN PENDIDIKAN MENGGUNAKAN ANALISIS BIPLOT KLASIK DAN BIPLOT KEKAR Ni Luh Ardila Kusumayanti 1, I Komang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Analisis Regresi Tidak jarang dihadapkan dengan persoalaan yang melibatkan dua atau lebih peubah atau variabel yang ada atau diduga ada dalam suatu hubungan tertentu. Misalnya
Lebih terperinciAljabar Linear Elementer
BAB I RUANG VEKTOR Pada kuliah Aljabar Matriks kita telah mendiskusikan struktur ruang R 2 dan R 3 beserta semua konsep yang terkait. Pada bab ini kita akan membicarakan struktur yang merupakan bentuk
Lebih terperinciSOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. 1 (2014), hal 91 98. SOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR Febrianti,
Lebih terperinciHASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:
. Menyiapkan gugus data pencilan dengan membangkitkan peubah acak normal ganda dengan parameter µ yang diekstrimkan dari data contoh dan dengan matriks ragam-peragam yang sama dengan data contoh. Proses
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Sebelum melakukan pembahasan mengenai permasalahan dari skripsi ini, pada bab ini akan diuraikan beberapa teori penunjang yang dapat membantu dalam penulisan skripsi
Lebih terperinciAnalisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya
Jurnal Penelitian Sains Volume 14 Nomer 4(A) 14403 Analisis Diskriminan untuk Mengetahui Faktor yang Mempengaruhi Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya Yuli Andriani,
Lebih terperinciANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR. Gangga Anuraga ABSTRAK
ANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR Gangga Anuraga Dosen Program Studi Statistika MIPA Universitas PGRI Adi Buana Surabaya E-mail : ganuraga@gmail.com
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 terperinci(MS.3) SUBRUANG CONINVARIAN DARI MATRIKS KUADRAT KOMPLEKS
Seminar Nasional Statistika 2 November 20 Vol 2, November 20 (MS.3) SUBRUANG CONINVARIAN DARI MATRIKS KUADRAT KOMPLEKS Euis Hartini Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinci0. Diperoleh bahwa: Selanjutnya dibuktikan tertutup terhadap perkalian skalar:
f g) f g C atau ( f g). Diperoleh bahwa: f g) ( f g) dg f ( f dg g) g dg f g Selanjutnya dibuktikan tertutup terhadap perkalian skalar: Ambil. f ) f C, R. Ditunjukkan bahwa. f C atau (. f ).. f ). diketahui
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA 2.1 Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemenelemen yang disusun secara teratur menurut baris dan kolom berbentuk
Lebih terperinciII. TINJAUAN PUSTAKA 2.1 Analisis Korelasi Kanonik
3 II. TINJAUAN PUSTAKA 2.1 Analisis Korelasi Kanonik Menurut Gittins (1985) analisis korelasi kanonik adalah salah satu teknik analisis statistik yang digunakan untuk melihat hubungan antara segugus peubah
Lebih terperinciMinggu XI ANALISIS KOMPONEN UTAMA. Utami, H
Minggu XI ANALISIS KOMPONEN UTAMA Utami, H Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen Utama 4 Contoh Utami, H Minggu XIANALISIS KOMPONEN UTAMA 2 / 16 Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen
Lebih terperinciMATRIKS BENTUK KANONIK RASIONAL DENGAN MENGGUNAKAN PEMBAGI ELEMENTER INTISARI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 6, No. (17), hal 7 34. MATRIKS BENTUK KANONIK RASIONAL DENGAN MENGGUNAKAN PEMBAGI ELEMENTER Ardiansyah, Helmi, Fransiskus Fran INTISARI Pada
Lebih terperincipendekatan dalam penelitian ini dinilai cukup beralasan.
Tabel Hasil pendugaan model pengaruh tetap dengan Y sebagai peubah respon dan X, X dan X sebagai C -. 00 X -5 0.50 X.05 00 X 00 R 0.6 Adjusted R 0.6 Hasil pendugaan model data panel dengan Y sebagai peubah
Lebih terperinciAPLIKASI ANALISIS DISKRIMINAN UNTUK MENENTUKAN FUNGSI PENGELOMPOKAN PADA PROGRAM PEMBAGIAN KARTU KELUARGA SEJAHTERA (KKS)
APLIKASI ANALISIS DISKRIMINAN UNTUK MENENTUKAN FUNGSI PENGELOMPOKAN PADA PROGRAM PEMBAGIAN KARTU KELUARGA SEJAHTERA (KKS) (Studi Kasus pada Kelurahan 1 Ulu Kecamatan Seberang Ulu 1 Palembang) Didin Astriani
Lebih terperinciPENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR
PENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR Inge Ratih Puspitasari, Hendro Permadi, dan Trianingsih Eni Lestari Universitas
Lebih terperincialjabar geo g metr me i
Pertemuan 12 & 13 ANALIS KOMPONEN UTAMA & FUNGSI DISCRIMINAN Obyektif : Reduksi variabel Interpretasi Aplikasi AKU dalam Anls Regresi Discrimination Fisher and Classification Classification with two Multivariate
Lebih terperinciFaktor-Faktor yang Mencirikan Kondisi Financial Distress Pasca Kenaikan BBM Perusahaan Manufaktur di BEI Menggunakan Analisis Biplot
Faktor-Faktor yang Mencirikan Kondisi Financial Distress Pasca Kenaikan BBM Perusahaan Manufaktur di BEI Menggunakan Analisis Biplot Venny Okstarinda 1, Syafriandi 2, Nonong Amalita 3 1 Student of Mathematics
Lebih terperinciPlot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel
Plot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel Vitawati Bawotong, Hanny Komalig, Nelson Nainggolan 3 Program Studi Matematika, FMIPA, UNSRAT, vbawotong@gmail.com
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI A. Matriks 1. Pengertian Matriks Definisi II.A.1 Matriks didefinisikan sebagai susunan persegi panjang dari bilangan-bilangan yang diatur dalam baris dan kolom. Contoh II.A.1: 9 5
Lebih terperinciMetode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas
Vol. 14, No. 1, 93-99, Juli 2017 Metode Regresi Ridge dengan Iterasi HKB dalam Mengatasi Multikolinearitas Nurhasanah Abstrak Regresi berganda dengan peubah bebas saling berkorelasi (multikolinearitas)
Lebih terperinciBAB II DASAR DASAR TEORI
BAB II DASA DASA TEOI.. uang ruang Vektor.. uang Vektor Umum Defenisi dan sifat sifat sederhana Defenisi : Misalkan V adalah sebarang himpunan benda yang didefenisikan dua operasi, yakni penambahan perkalian
Lebih terperinciMATERI ALJABAR LINEAR LANJUT RUANG VEKTOR
MATERI ALJABAR LINEAR LANJUT RUANG VEKTOR Disusun oleh: Dwi Lestari, M.Sc email: dwilestari@uny.ac.id JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA
Lebih terperinciANALISIS FAKTOR PENYEBAB KEPADATAN PENDUDUK MENURUT PERSEPSI MASYARAKAT DI KOTAMADYA SIBOLGA
Saintia Matematika Vol. 1, No. 4 (2013), pp. 349 358. ANALISIS FAKTOR PENYEBAB KEPADATAN PENDUDUK MENURUT PERSEPSI MASYARAKAT DI KOTAMADYA SIBOLGA Henni Mulyani Siregar, Henry Rani Sitepu, Suwarno Ariswoyo
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2 Analisis Korelasi Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui deraat hubungan linear antara satu variabel dengan variabel lain (Algifari, 997)
Lebih terperinciPenggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot
Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier Bernhard M. Wongkar 1, John S. Kekenusa 2, Hanny A.H. Komalig 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, bernhard.wongkar2011@gmail.com
Lebih terperinciBAB II TINJAUAN PUSTAKA. Hal ini sangat membantu dalam proses pembuktian sifat-sifat dan perhitungan
6 BAB II TINJAUAN PUSTAKA 2.1 Matriks Persamaan regresi linear berganda dapat dinyatakan dalam bentuk matriks. Hal ini sangat membantu dalam proses pembuktian sifat-sifat dan perhitungan matematis dari
Lebih terperinciGERSHGORIN DISK FRAGMENT UNTUK MENENTUKAN DAERAH LETAK NILAI EIGEN PADA SUATU MATRIKS. Anggy S. Mandasary 1, Zulkarnain 2 ABSTRACT
GERSHGORIN DISK FRAGMENT UNTUK MENENTUKAN DAERAH LETAK NILAI EIGEN PADA SUATU MATRIKS Anggy S. Mandasary 1, Zulkarnain 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika
Lebih terperinciAbstract. Abstrak. Keywords : Principal Component Analysis, Agriculture Production and Plantation
JdC, Vol. 3, No. 2, September, 2014 1 Penggunaan Analisis Komponen Utama Dalam Penggabungan Data Peubah Ganda pada Kasus Produksi Pertanian dan Perkebunan Di Wilayah Bolaang Mongondow Tahun 2008 1 Sunarsi
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Kemiskinan Menurut Badan Pusat Statistik (BPS) dan Departemen Sosial kemiskinan adalah ketidakmampuan individu untuk memenuhi kebutuhan dasar minimal untuk hidup layak (baik
Lebih terperinciMODUL V EIGENVALUE DAN EIGENVEKTOR
MODUL V EIGENVALUE DAN EIGENVEKTOR 5.. Pendahuluan Biasanya jika suatu matriks A berukuran mm dan suatu vektor pada R m, tidak ada hubungan antara vektor dan vektor A. Tetapi seringkali kita menemukan
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Eksplorasi Data Diagram kotak garis (boxplot) merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran, dan kemiringan pola sebaran.
Lebih terperinciJumlah rumah tangga usaha pertanian di Ogan Ilir Tahun 2013 sebanyak rumah tangga
Jumlah rumah tangga usaha pertanian di Ogan Ilir Tahun 2013 sebanyak 51.776 rumah tangga Jumlah perusahaan pertanian berbadan hukum di Ogan Ilir Tahun 2013 sebanyak 7 Perusahaan Jumlah perusahaan tidak
Lebih terperinciRUANG FAKTOR. Oleh : Muhammad Kukuh
Muhammad Kukuh, Ruang RUANG FAKTOR Oleh : Muhammad Kukuh Abstraksi Pada struktur aljabar dikenal istilah grup faktor yaitu Jika grup dan N Subgrup normal G, maka grup faktor dengan operasi Apabila G ruang
Lebih terperinci