ANALISIS HASIL TRACER STUDY 2016 LULUSAN BERPROFESI WIRAUSAHA
|
|
- Siska Widjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS HASIL TRACER STUDY 2016 LULUSAN BERPROFESI WIRAUSAHA DR. UDJIANNA S. PASARIBU AULA TIMUR ITB, 10 APRIL 2017 KELOMPOK KEAHLIAN STATISTIKA, PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI BANDUNG
2 TUJUAN UTAMA 1. Menjelaskan proses dari hasil analisis pada BAB 10 (Analisis Statistik alumni angkatan 2009 dan berprofesi sebagai/melaksanakan wirausaha) 2. Menunjukkan Peranan Analisis Data Multivariat pada Big Data, khususnya Pada data parsial sesuai dengan keinginan user
3 Berapa banyak dari hadirin yang : Pernah mendengar tentang Analisis Klaster? Pernah memanfaatkannya? Bagaimana dengan Analisis Komponen Utama Pernah memanfaatkannya? Analisis Korespondensi?
4 TRACER STUDY 2016 Data diperoleh dari responden Alumni ITB Angkatan 2009 Banyak responden 2647 (93%) Total pertanyaan 233 Id. Pribadi Id. Pekerjaan PT dll Nama, Alamat, No. hp Nama, Alamat, No. tlp Kantor, dll Fasilitas, peran PT, ketepatan waktu lulus, organisasi kampus, dll
5 Analisis Multivariat Untuk Menggali Data Menggali Data Data kualitatif Data kuantitatif Statistika Inferensi dan Analisis Data Alat Intelegensi Artifisial (Jaringan Saraf) Teori Informasi Teori Pembaejaran Mesin (Mechine Learning Theory) Analisis Korespondensi Analisis Komponen Utama Analisis Faktor Analisis Klaster Analisis Diskriminan dll (S. Tufféry, 2011) Pengelompokan variabel acak (mengurangi) Pengelompokan objek (Program Studi) berdasarkan pertanyaan yang ditentukan.
6 PROFESI ALUMNI ITB (PERTANYAAN NO 12) Wirausaha Tidak bekerja Melanjutkan studi Status Pekerjaan Bekerja Bekerja + Wiraswasta 7.1% 4.7% BAGAIMANA PERANAN WIRAUSAHA DALAM 2 TH TERAKHIR SETELAH LULUS?
7 HISTORI PROPORSI WIRAUSAHA TERHADAP TOTAL 5.90% PROPORSI ALUMNI ITB BERPROFESI WIRAUSAHA TERHADAP TOTAL RESPONDEN SETIAP ANGKATAN 6.62% 5.89% 7.05% 6.85% 7.10% Target institusi : Entrepreneur University, sehingga perlu dianalisis lebih dalam Harapan : Profesi sesuai dengan latar belakang Prodi (prodi dapat mempersiapkan lebih baik untuk mencetak entrepreneur)
8 TREN PROPORSI WIRAUSAHA TERHADAP TOTAL DARI BEKERJA JUGA WIRASWASTA & WIRAUSAHA Proporsi alumni (setiap angkatan) yang berprofesi wirausaha memiliki tren kecenderungan semakin meningkat dari tahun ke tahun Dalam statistika: Proporsi marginal pada wirausaha 46.90% PROPORSI WIRAUSAHA TERHADAP TOTAL ALUMNI YANG BEKERJA + WIRASWASTA & WIRAUSAHA 59.42% 52.83% 59.48% 58.69% 60.06%
9 Analisis Klaster 2,... Teknik Geofisika Teknik Perminyakan Oseanografi
10 LATAR BELAKANG Fakultas di ITB Prodi sebanyak: Berdasarkan perkembangan IPTEK Kebebasan antar bidang ilmu semakin menurun KEDEKATAN atau KEBERGANTUNGAN Kedekatan antar prodi berdasarkan identitas/data pribadi responden dari A Website no 4? Masalah Menetapkan : Metode analisis multivatiat yang sesuai dan mudah dipahami Prodi adalah obyek yang mau dikelompokkan (bukan responden) Banyaknya variabel (acak)/karakteristik 4
11 ANALISIS KLASTER (PENGELOMPOKKAN) Ingat! data yang dimiliki perindividu (bukan per-prodi) Transformasi data o Menjumlahkan jawaban dari responden-responden pada prodi yang sama unt Jenis kelamin (A data pribadi no 2) vbl 1 o Merata-ratakan jawaban dari responden-responden pada pada prodi yang sama masing masing unt IP (A data pribadi no 5) vbl 2 lama mencari pekerjaan sebelum lulus (B data Pekerjaan Anda no 14a) vbl 1 sesudah lulus (B data Pekerjaan Anda no 14b) vbl 1
12 ANALISIS KLASTER (PENGELOMPOKKAN) Asumsi-asumsi pada analisis ini Observasinya diskrit (misal banyaknya wanita) atau kontinyu (IPK, lama tunggu dlm bulan) Variansi dari tiap variabel acak (karakteristik) hampir sama Variansi jenis kelamin, IP, Lama mencari pekerjaan sebelum lulus, dan sesudah lulus antar prodi hampir sama besar Banyak vbl acak banyak objek ( banyaknya variabel =4 < 37=banyaknya prodi)
13 Jumlahkan Jumlahkan CONTOH (transformasi data, pertanyaan no. 2): Nama Prodi JK # JK M. Abdul Teknik Material Pria 1 Dika Teknik Material Pria 1 Irham Teknik Material Pria 1 Ahmad Teknik Material Pria 1 Cepi Teknik Material Pria 1 Titis PWK Wanita 0 Reza PWK Pria 1 Tito PWK Pria 1 Surya PWK Pria 1 Irham PWK Pria 1 Icha PWK Wanita 0 Fahmuddin PWK Pria 1 Ilmi PWK Wanita 0 Misalkan: Pria = 1 dan Wanita =0 (boleh sebaliknya) Dengan menjumlahkan kolom # JK unutk setiap prodi, diperoleh tabel berikut Prodi Teknik Material 5 PWK 5 JK
14 Rata-ratakan Rata-ratakan CONTOH (transformasi data, pertanyaan no. 5): Nama Prodi IP M. Abdul Teknik Material 3.01 Dika Teknik Material 3.33 Irham Teknik Material 3.12 Ahmad Teknik Material 2.85 Cepi Teknik Material 3.30 Titis PWK 3.27 Reza PWK 2.72 Tito PWK 3.40 Surya PWK 3.60 Irham PWK 3.16 Icha PWK 3.41 Fahmuddin PWK 3.42 Ilmi PWK 2.71 Hitung rata-rata IP untuk setiap prodi: T. Material = = PWK = = Sehingga diperoleh Prodi IP Teknik Material 3.12 PWK 3.21
15 ALGORITMA ANALISIS KLASTER Pilih wirausaha (188 orang) Transformasi pada pertanyaan 2 dan 5 (37 prodi) 37 baris prodi dengan 4 vaiabel acak baru Standarisasi data setiap variabel acak Klaster (jarak Euclidian) Dendogram A1 (complete linkage) Pilih bekerja +wirausaha (125 orang) 34 baris prodi dengan 4 vaiabel acak baru Dendogram B1 Gabungan dari keduanya 37 baris prodi dengan 4 vaiabel acak baru Dendogram C1
16 d റxl, റx m = റx l റx m റx l റx m T 1 2 KLASTER DENGAN VARIABEL IDENTITAS (4 KOMPONEN) Pilih wirausaha (188 orang) Transformasi pada pertanyaan 2 dan 5 (37 prodi) 37 baris prodi dengan 4 vaiabel acak baru 1 2 Standarisasi data setiap variabel acak Klaster (jarak Euclidian) Dendogram A1 (complete linkage) Prodi JK IP sebelum sesudah T. Material PWK standarisasi Prodi JK IP sebelum sesudah T. Material PWK Perhatikan tabel, maka d TM,PWK = Untuk setiap komponen matriks x ij xҧ j S j, Dengan: x j ҧ : rataan dan S j : deviasi baku (kolom) ( ) ( ) 1 2
17 CONTOH : Prodi JK IP sebelum setelah Desain Produk Desain Interior Matematika PWK Teknik Informatika Standarisasi Prodi JK IP sebelum setelah Desain Produk Desain Interior Matematika PWK Teknik Informatika Pilih 5 prodi yang akan dikelompokan berdasarkan identitas responden 2. Standarisasi data yang dipilih 3. Klaster dengan menggunakan jarak Euclidian. Misalkan untuk jarak Desain Produk dan Desain Interior adalah sbb: d DP,DI = Buat dendogram berdasarkan prinsip jarak terjauh (Complete Linkage) T 1 2
18 ILUSTRASI : Diperoleh klaster sebagai berikut : Teknik Informatika Perencanaan Wilayah dan Kota Matematika Desain Interior Desain Produk Dendrogram Dissimilarity Klaster Kembali pada informasi awal: Prodi 1 Desain Produk 2 Matematika Desain Interior 3 Teknik Informatika PWk Prodi Desain Produk memiliki nilai IP yang paling tinggi dibandingkan dengan yang lain sehingga klasternya terpisah dengan yang lain Dari segi IP dan lama tunggu Prodi pada klaster 2 dan 3 tidak cukup mirip, tetapi pada jenis kelamin memiliki kemiripan (Pria di Klaster 2 < Klaster 3)
19 HASIL ANALISIS KLASTER (WIRAUSAHA) (PERTANYAAN NO. 2 DAN 5) Klaster 1 2 BW Manajemen T. Geodesi 3 T. Pertambangan T. Material T. Geologi 4 Desain Produk PWK 5 Kriya DKV 6 T. Mesin T. Informatika Fisika 7 8 Biologi Oseanografi 9 T. Kelautan Kimia FKK STF T. Perminyakan T. Sipil Arsitektur Seni Rupa Matematika T. Tenaga Listrik T. Industri Astronomi T. Lingkungan MRI STI T. Fisika T. Kimia T. Elektro Desain Interior T. Telekomunikasi Mikrobiologi Meteorologi Aeronotika
20 HASIL ANALISIS KLASTER (WIRAUSAHA) (PERTANYAAN NO. 2 DAN 5) Klaster 1 2 BW Manajemen T. Geodesi 3 T. Pertambangan T. Material T. Geologi 4 Desain Produk PWK 5 Kriya DKV 6 T. Mesin T. Informatika Fisika 7 8 Biologi Oseanografi T. Perminyakan T. Sipil Arsitektur Seni Rupa Matematika T. Tenaga Listrik T. Industri T. Fisika T. Kimia T. Elektro Desain Interior Klaster disamping berdasarkan dari IP dan Jenis Kelamin Perhatikan Klaster 4. Prodi MA dan PWK yang bukan serumpun masuk dalam 1 klaster. Hal tersebut disebabkan oleh banyak individu setiap prodinya cenderung sama dan didominasi oleh Pria dengan IP diatas 3 Hal yang sama juga terjadi pada klaster 8. Setiap prodi terdiri dari 4 orang dan berjenis kelamin Pria (kecuali Biologi) Pada klaster terakhir sebagian besar prodi hanya memiliki 1 orang alumni yang berprofesi sebagai wirausahawan. 9 T. Kelautan Kimia FKK STF Astronomi T. Lingkungan MRI STI T. Telekomunikasi Mikrobiologi Meteorologi Aeronotika INGAT! Jika hal seperti di atas terjadi, lihat kembali informasi/observasi yang dimiliki (data) sebelumya.
21 Analisis Komponen Utama (AKU) A1 A2 B A3
22 LATAR BELAKANG Semua pertanyaan selalu berkaitan baik antar /between A (questionere pendahuluan) dan B (questionere utama) ataupun antar pertanyaan dalam satu grup Besar/kecil Sebab-akibat Bisakah dibangun satu (atau lebih) karakteristik (kontinyu) baru yang merupakan kombinasi linier dari dua atau lebih karakteristik yang ditanyakan (kontinyu) Pereduksian variabel (acak) Manfaat bisa merepresentasikan big Data menjadi lebih sederhan (kecil)
23 LATAR BELAKANG (lanjutan) Masalah Kuisioner A dan B Kuisioner A (Pendahuluan) Kuisioner B (Utama)
24 LATAR BELAKANG (lanjutan) Dipilih yang kontinu masing 1 pertanyaan dari 2 grup : A kuisioner pendahuluan (ada 15 nomor) B kuisioner utama (ada 32 nomor) Metode yang sesuai dan benar Pemilihan no pertanyaan yang subtantif Batasan Masalah: Kompetensi Pertanyaan 27 bgn C sebanyak 27 pertanyaan Tidak lebih dari 3 karakteristik (variabel) baru
25 ANALISIS KOMPONEN UTAMA (AKU) Tujuan AKU Mereduksi dimensi data Asumsi-asumsi: Variabel acaknya kontinu Berdistribusi multivariat normal AKU bisa diterapkan Penetapan variabel: Pada kuisioner bagian A, ditetapkan IP (no 5) Pada kuisioner bagian B, pertanyaan no 27c memuat 27 kolom data sehingga dipilih kolom
26 PENETAPAN KOMPETENSI YANG DIDUGA BESAR PENGARUHNYA 1. Keterampilan internet 2. Keterampilan komputer 3. Keterampilan riset 4. Kemampuan analisis 5. Berpikir kritis 6. Kemampuan berkomunikasi 7. Manajemen waktu 8. Kemampuan memecahkan masalah 9. Negosiasi 10. Inisiatif jawaban dari 10 pertanyaan di atas adalah observasi ordinal 1,2, 5. Bagaimana supaya jadi kontinu?
27 VARIABEL ACAK PADA AKU Transformasi data o Mengubah data rank (sangat kecil sangat besar) menjadi kontinu 1 20% 2 40% 3 60% 4 80% 5 100% Hal yang sama dilakukan pada setiap variabel (kecuali IP) Prodi Berpikir Berpikir kritis kritis (%) DKV DKV 3 60 DKV 3 60 DKV 4 80 DKV 1 20 PWK PWK DP 2 40
28 ALGORITMA AKU Pilih wirausaha Tetapkan 11 variabel (no 5 dan 10 variabel dr 27c) Transformasi data ordinal menjadi data kontinu Standarisasi data (agar tidak berdimensi) Lakukan AKU Prosedur standarisasi data dilakukan seperti pada Analisis Klaster Metode yang digunakan 1. Dekomposisi Nilai Eigen, atau 2. Dekomposisi Nilai Singular
29 CONTOH : Ditentukan variabel yang akan dianalisis, yaitu: x 1 = Keterampilan internet x 2 = Keterampilan komunikasi x 3 = Memecahkan masalah Diagram pencar ketiga variabel, sbb: Melalui diagram kotak titik di atas menunjukan bahwa terdapat 4 datum yang menjadi pencilan bawah Mereka berpendapat bahwa kemampuan internet tidak terlalu besar perannya untuk pekerjaan mereka sebagai wirausaha
30 Kemampuan Komunikasi Memecahkan masalah Memecahkan masalah BIPLOT UNTUK 3 VARIABEL Kemampuan Komunikasi vs Keterampilan Internet Memecahkan masalah vs Keterampilan Internet Memecahkan masalah vs Kemampuan Komunikasi Keterampilan Internet Keterampilan Internet Kemampuan Komunikasi A B C Untuk gambar A, B, dan C dapat dilihat bahwa tidak ada responden yang memilih 1 untuk setiap kompetensi. Artinya paling tidak untuk setiap kompetensi responden menilai peran ketiga komptensi tersebut sedikit terhadap pekerjaan mereka. Berbeda dengan yang lain, gambar C menunjukan bahwa responden yang menjawab paling tidak peran kemampuan komunikasi dan memecahkan masalah sedikit diperlukan.
31 HASIL AKU (3 KOMPONEN) Factor Loading F1 F2 F3 Keterampilan Internet (x1) Kemampuan Komunikasi (x2) Memecahkan masalah (x3) Penyerapan variansi untuk faktor baru yang terbentuk: 1. 1 faktor (F1) 65,96% 2. 2 faktor (F1 dan F2) 86,67% 3. 3 faktor (F1, F2, dan F3) 100% Dengan: F 1 = 0.766x x x 3 F 2 = 0.608x x x 3 F 3 = 0.209x x x 3 Dengan demikian dapat direduksi menjadi 1 karakteristik baru yaitu: F 1 = 0.766x x x 3 yang dapat merepresentasikan data sebesar 65.96%
32 HASIL AKU (WIRAUSAHA, 11 VARIABEL ACAK) Penyerapan variansi untuk 3 faktor yang terbentuk adalah %. Hasil AKU tersebut adalah : y 1 = 0.837x x x x x x 8 y 2 = 0.902x x x x 7 y 3 = 0.930x 1 Faktor Zscore: IP (x 1 ) Zscore: Keterampilan Internet (x 2 ) Zscore: Keterampilan computer (x 3 ) Zscore: Keterampilan riset (x 4 ) Zscore: Kemampuan analisis (x 5 ) Zscore: Berpikir kritis (x 6 ) Zscore: Kemampuan berkomunikasi (x 7 ) Zscore: Manajemen waktu (x 8 ) Zscore: Memecahkan masalah (x 9 ) Zscore(Negosiasi) (x 10 ) Zscore(Inisiatif) (x 11 )
33 HASIL AKU (WIRAUSAHA, 11 VARIABEL ACAK) Melalui 3 faktor baru yang terbentuk, diperoleh hasil bahwa peran kompetensi yang diperlukan oleh wirausahawan dikategorikan menjadi 3, yaitu: 1. Faktor 1 (Kognitif ): keterampilan riset, kemampuan analisis, berpikir kritis, manajemen waktu, memecahkan masalah dan inisiatif 2. Faktor 2 (Afektif): keterampilan internet, keterampilan komputer, kemampuan berkomunikasi dan negosiasi 3. Faktor 3 (IP) Selanjutnya para wirausahawan ini dapat dikategorikan berdasarkan skor SoIV yang didapatkan dari jumlah perbandingan persentase masing-masing variansi faktor dibagi total variansi SoIV = Faktor kognitif + Faktor afektif + Faktor IP
34 HASIL AKU (WIRAUSAHA, 11 VARIABEL ACAK) Skor SoIV mengelompokkan wirausahawan kedalam 3 kategori. Diagram pencar untuk kategori wirausahawan Angkatan 2009 Kategori Batas Bawah Skor Batas Atas Skor Jumlah 1 (Pemula) (Menengah) (Profesional) Dapat disimpulkan bahwa Alumni angkatan 2009 yang berwirausaha sudah sebagian besar sudah masuk ke kategori menengah ke atas
35 Bidang Usaha Analisis Korespondensi (AK) AE AR AS BI BM DI DKV DP EL EP ET FI FKK GD GL IF II KI KL KR MA ME MRI MS MT OS PL SBM SI SR STF TA TF TI TK TL TM A B C D E F G H I J L M N P Q R S T Prodi
36 LATAR BELAKANG Serupa dengan latar belakang pada AKU, akan dikaitkan: Antar pertanyaan dalam grup A Antar pertanyaan dalam grup B Antar /between A (questionere pendahuluan) dan B (questionere utama) Bisakah dibangun satu (atau lebih) karakteristik kualitatif baru yang merupakan intepretasi, berupa visual dari dua karakteristik kualitatif yang ditanyakan Pereduksian variabel (acak) Manfaat bisa merepresentasikan Big Data menjadi lebih sederhana (kecil) Masalah : Menetapkan metode analisis multivatiat yang tepat Data berupa kualitatif (nominal/ordinal/rank)
37 LATAR BELAKANG (lanjutan) Dipilih 1 pertanyaan yang sudah merupakan data nominal dengan 2 kategori (dalam visualisasinya saling tegak lurus dalam R 2 ) o Secara teoritis: bisa dipilih 1 pertanyaan yang sudah memuat data nominal dengan 3 kategori tetapi dalam visualisasinya saling tegak lurus dalam R 3 dan cukup rumit meintepretasikannya Batasan Masalah: Kompetensi Pertanyaan 27 bgn C sebanyak 27 pertanyaan Tidak lebih dari 3 karakteristik (variabel) baru
38 ALGORITMA ANALISIS KORESPONDENSI (AK) Tetapkan 2 variabel acak Buat tabel kontingensi dan korespondensinya AK menggunakan Dekomposisi Nilai Eigen Peta Korespondensi Memuaskan Sangat Memuaskan Cumlaude Total Angkatan Angkatan Total Pada dasarnya pembuatan tabel kontingensi merupakan proses menghitung (frekuensi dari setiap kategori)
39 ALGORITMA ANALISIS KORESPONDENSI (AK) Tetapkan 2 variabel acak Buat tabel kontingensi dan korespondensinya AK menggunakan Dekomposisi Nilai Eigen Peta Korespondensi Hitung matriks distribusi gabungan empiris P Tentukan matriks baris R, kolom C Hitung matriks residual standar S = R 1 2 P റr റc t C 1 2 Hitung nilai eigen dari SS t dan S t S Estimasi koordinat utama baris dan kolom
40 CONTOH: 1. Pilih variabel acak Baris (pertanyaan no. 12) alumni berprofesi wiraswasta, angkatan 2008 dan 2009 Kolom (pertanyaan no. 5) IP, Memuaskan (M), Sangat Memuaskan (SM), dan Cumlaude (C ) 2. Buat tabel kontingensi seperti yang telah ditunjukan sebelumnya Memuaskan (M) Sangat Memuaskan (SM) Cumlaude (C) Total Angkatan Angkatan Total
41 CONTOH: 3. Hitung distribusi frekuensi relatif Angkatan # (%) 4. Matriks distribusi gabungan empiris P = 5. Dari kolom total (biru), diperoleh distribusi marginal untuk angkatan (vektor baris), yaitu IP Y 1 Y 2 Y 3 Total X 1 39 (10.63) 104 (28.34) 36 (9.81) 179 (48.77) X 2 40 (10.90) 53 (14.44) 95 (25.89) 188 (51.23) Total 79 (21.53) 157 (42.78) 131 (35.69) 367 (100) റr = dan dibangun matriks diagonalnya R =
42 CONTOH: 6. Dari kolom total (hijau), diperoleh distribusi marginal untuk IP (vektor kolom), yaitu റc = dibangun juga atriks diagonalnya C = dan 7. Hitung matriks residual standar S = R 1 2 P റr റc t C 1 2 = , yaitu matriks berukuran 2x3. Jika matriks diagonal R dan C posisinya ditukar, maka ukuran matriks yang diperoleh menjadi 3x2 8. Hitung matriks SS t (merepresentasikan angkatan) dan S t S (merepresentasikan IP), yaitu SS t = , St S =
43 CONTOH (lanjutan): 9. Hitung matriks nilai eigen D dan matriks vektor eigen U dari matriks SS t, yaitu D = , U = Hitung matriks nilai eigen D1 dan matriks vektor eigen V dari matriks S t S, yaitu D1 = , V = Bisa dipelajari lebih dalam pada jurnal Simplification of Correspondence Analysis For More Precise Calculation Which One Cualitative Variables in Two Categorical Data, Ginanjar I, dkk (2016) Estimasi koordinat utama dari baris dan kolom X = R 1Τ 2UD = Y = C 1Τ 2VD t = koordinat kolom koordinat baris dan 12. Gambar peta korespondensi 2008 M 2009 C -0.15SM
44 KESIMPULAN Melalui Analisis Data Multivariat, dapat dilakukan: 1. Mengelompokan kebergantungan satu/lebih prodi dengan prodi yang lain 2. Mengelompokan kemiripan dari kompetensi-kompetensi yang dibutuhkan oleh siswa 3. Membangun komponen baru dalam memperbaiki kurikulum 4. Menciptakan hal yang baru 5. Menganalisa data-data kualitatif lebih dalam baik dalam kebergantungan dua atau lebih karakteristik 6. Memvisualisasikan 2 atau 3 karakteristik dalam dua atau 3 dimensi sehingga pengelompokkan lulusan/prodi bisa dipelajari
45 DAFTAR PUSTAKA Budi, B.S., Dinan, A. (2015): Report Tracer Study ITB 2015, ITB Career Centre. Bandung Ginanjar, I. Pasaribu, U. P, Barra, A. (2016). Simplification of Correspondence Analysis For More Precise Calculation Which One Cualitative Variables in Two Categorical Data. ARPN Journal of Engieering and Applied Sciences. Vol 11 no. 3 ISSN Rencher A. C. (2002): Methods of Multivariate Analysis (2 nd ed), John Wiley & Sons, United States.
46 Terima kasih
EVALUASI PRESTASI PROGRAM S2 MAGISTER MANAJEMEN TEKNOLOGI ITS DENGAN MODEL INDEKS PRESTASI & MASA STUDI KOMULATIF TERBOBOT (IPMSKT)
EVALUASI PRESTASI PROGRAM S2 MAGISTER MANAJEMEN TEKNOLOGI ITS DENGAN MODEL INDEKS PRESTASI & MASA STUDI KOMULATIF TERBOBOT (IPMSKT) Bustanul Arifin Noer Studio Manajemen dan Sistem Industri - Jurusan Teknik
Lebih terperinciANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI
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 terperinciPENGELOLAAN SATUAN AKADEMIK DI LINGKUNGAN INSTITUT TEKNOLOGI BANDUNG
K E P U T U S A N REKTOR INSTITUT TEKNOLOGI BANDUNG NOMOR : 222/SK/K01/OT/2005 TENTANG PENGELOLAAN SATUAN AKADEMIK DI LINGKUNGAN INSTITUT TEKNOLOGI BANDUNG REKTOR INSTITUT TEKNOLOGI BANDUNG, Menimbang
Lebih terperinciStruktur Kurikulum 2008 per Prodi. Fakultas. Struktur Kurikulum 2008 Program Studi Teknik Informatika. Mata Kuliah Wajib Non Jalur Pilihan
Struktur Kurikulum 2008 per Prodi Fakultas Struktur Kurikulum 2008 Program Studi Teknik Informatika Mata Kuliah Wajib Non Jalur Pilihan Semester 1 Semester 2 URUT SEM KODE KULIANAMA KULIAH SKS URUT SEM
Lebih terperinciANALISIS KORESPONDENSI UNTUK MENGETAHUI ALASAN MAHASISWA MEMILIH JURUSAN DI FMIPA UNIVERSITAS NEGERI MALANG
1 ANALISIS KORESPONDENSI UNTUK MENGETAHUI ALASAN MAHASISWA MEMILIH JURUSAN DI FMIPA UNIVERSITAS NEGERI MALANG (Studi Kasus Mahasiswa Non Kependidikan FMIPA Universitas Negeri Malang) Chofifatul Jannah
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 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 terperinciREPORT. Dr. Eng. Bambang Setia Budi, dkk. TRACER STUDY ITB 2016
REPORT Dr. Eng. Bambang Setia Budi, dkk. TRACER STUDY ITB 2016 ANGKATAN 2009 KATA SAMBUTAN Dr. Eng. Sandro Mihradi Kepala Lembaga Kemahasiswaan Assalamu alaikum warahmatullahi wabarakatuh ITB merupakan
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 terperinciStruktur Kurikulum 2008 per Prodi. Fakultas. Struktur Kurikulum 2008 Program Studi Sistem dan Teknologi Informasi. Mata Kuliah Wajib Non Jalur Pilihan
Struktur Kurikulum 2008 per Prodi Fakultas Struktur Kurikulum 2008 Program Studi Sistem dan Teknologi Informasi Mata Kuliah Wajib Non Jalur Pilihan Jumlah SKS mata kuliah wajib ITB pada struktur kurikulum
Lebih terperinciBAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
Lebih terperinciStruktur Kurikulum 2008 per Prodi. Fakultas. Struktur Kurikulum 2008 Program Studi Teknik Telekomunikasi. Mata Kuliah Wajib Non Jalur Pilihan
Struktur Kurikulum 2008 per Prodi Fakultas Struktur Kurikulum 2008 Program Studi Teknik Telekomunikasi Mata Kuliah Wajib Non Jalur Pilihan Semester 1 Semester 2 1 MA1101 Kalkulus IA 4 1 MA1201 Kalkulus
Lebih terperinciCreated by Simpo PDF Creator Pro (unregistered version)
II. PENYAJIAN DATA 2.1 Data Data berbentuk jamak, sedangkan datum berbentuk tunggal. Data=datum-datum. Data adalah representasi dari suatu fakta yang menjelaskan suatu persoalan yang dimodelkan dalam bentuk
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 terperinciPelindung: Prof. Dr.Ir. Kadarsah Suryadi -Wakil Rektor Bidang Akademik dan Kemahasiswaan
Tim Riset Pelindung: Prof. Dr.Ir. Kadarsah Suryadi -Wakil Rektor Bidang Akademik dan Kemahasiswaan Prof. Dr.Ir. Hasanuddin Z. Abidin, M.Sc. - Wakil Rektor Bidang Komunikasi, Kemitraan dan Alumni Penanggung
Lebih terperinciOleh : Amilia Firda Rahmana ( ) Dosen Pembimbing : Santi Puteri Rahayu, M.Si, Ph.D
Analisis Pola Hubungan Besarnya Kerugian Negara Akibat Korupsi Dengan Demografi Koruptor di Jawa Timur Oleh : Amilia Firda Rahmana (1311 105 008) Dosen Pembimbing : Santi Puteri Rahayu, M.Si, Ph.D Seminar
Lebih terperinciResume Tracer Study ITB 2015 Prodi Matematika Angkatan 2008
Resume Tracer Study ITB 2015 Prodi Matematika Angkatan 2008 Data Responden Total alumni Matematika 2008 (109 org) Total alumni yang dilibatkan dalam pengisian kuesioner (109 org) Alumni yang memiliki alamat
Lebih terperinciAbstrak. Keywords: correspondence analysis, alumni, service.
Persepsi Alumni Matematika Terhadap Layanan dan Fasilitas Akademik Serta Penelitian dan Pengabdian kepada Masyarakat Di Program Studi Matematika FMIPA UNSRAT dengan Menggunakan Analisis Korespondensi 1
Lebih terperinciResume Tracer Study ITB 2015 Prodi Meteorologi Angkatan 2008
Resume Tracer Study ITB 2015 Prodi Meteorologi Angkatan 2008 Data Responden Total alumni Meteorologi 2008 (34 org) Total alumni yang dilibatkan dalam pengisian kuesioner (34 org) Alumni yang memiliki alamat
Lebih terperinciData Responden. Total alumni yang dilibatkan dalam pengisian kuesioner (38 org)
Total alumni dalam 1 angkatan (38 org) Data Responden Total alumni yang dilibatkan dalam pengisian kuesioner (38 org) Alumni yang memiliki alamat email (38 org) Alumni yang memiliki email tervalidasi (35
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinciResume Tracer Study ITB 2015 Prodi Sains & Teknologi Farmasi Angkatan 2008
Resume Tracer Study ITB 2015 Prodi Sains & Teknologi Farmasi Angkatan 2008 Data Responden Total alumni STF 2008 (86 org) Total alumni yang dilibatkan dalam pengisian kuesioner (86 org) Alumni yang memiliki
Lebih terperinciDidin Astriani P, Oki Dwipurwani, Dian Cahyawati (Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya)
(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
Lebih terperinciTracer Study ITB 2014 FSRD Angkatan 2007
Tracer Study ITB 2014 FSRD Angkatan 2007 Resume Tracer Study ITB 2014 Prodi Seni Rupa Angkatan 2007 Total alumni Seni Rupa 2007 (29 org) Data Responden Total alumni yang dilibatkan dalam pengisian kuesioner
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 terperinciResume Tracer Study ITB 2015 Prodi Teknik Mesin Angkatan 2008
Resume Tracer Study ITB 2015 Mesin Angkatan 2008 Data Responden Total alumni Teknik Mesin 2008 (130 org) Total alumni yang dilibatkan dalam pengisian kuesioner (130 org) Alumni yang memiliki alamat email
Lebih terperinciDokumen Kurikulum Program Studi : Oseanografi Lampiran II BUKU III. Fakultas : Ilmu dan Teknologi Kebumian Institut Teknologi Bandung
Dokumen Kurikulum 2013-2018 Program Studi : Oseanografi Lampiran II BUKU III Fakultas : Ilmu dan Teknologi Kebumian Institut Teknologi Bandung Bidang Akademik dan Kemahasiswaan Institut Teknologi Bandung
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 terperinciAnalisis Hubungan Lama Studi dengan Pekerjaan
Analisis Hubungan Lama Studi dengan Pekerjaan Dunia perkuliahan tidak sama lagi dengan dunia sekolahan seperti SMA, SMP dan SD. Para siswa di sekolah dituntun dan diajarkan secara langsung ilmu dan pengetahuan
Lebih terperinciPENGUKURAN KONTRIBUSI ITS DALAM MEMBENTUK MUTU SARJANA BARU ITS MENURUT PERSEPSI WISUDAWAN TAHUN 2004
B-17-1 PENGUKURAN KONTRIBUSI ITS DALAM MEMBENTUK MUTU SARJANA BARU ITS MENURUT PERSEPSI WISUDAWAN TAHUN 2004 Arie Kismanto dan Muhammad Sjahid Akbar Jurusan Statistik ITS ABSTRAK Sarjana baru dapat dipakai
Lebih terperinciTeknik Sipil Angkatan 2009
Teknik Sipil Angkatan 2009 Total alumni dalam 1 angkatan (145 org) Total alumni yang dilibatkan dalam pengisian kuesioner (145 org) Alumni yang memiliki alamat email (145 org) Data Responden Alumni yang
Lebih terperinciResume Tracer Study ITB 2015 Prodi Teknik Informatika Angkatan 2008
Resume Tracer Study ITB 2015 Informatika Angkatan 2008 Data Responden Total alumni Teknik Informatika 2008 (105 org) Total alumni yang dilibatkan dalam pengisian kuesioner (105 org) Alumni yang memiliki
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 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 terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Hak setiap warga Negara yang telah tercantum dalam Undang-Undang Dasar 1945 Pasal 31 ayat 1 adalah Tiap- Tiap warga Negara berhak mendapatkan pengajaran. Berdasarkan
Lebih terperinciTHE EMORABLE ECADE M D
THE EMORABLE ECADE M D 2002-2012 ALUMNI ITB 2002 Daftar Isi Latar Belakang 1 Tujuan & Sasaran 2 Profil Angkatan 3 Rangkaian Kegiatan 4 Kepanitiaan 6 Jadual Pelaksanaan Kegiatan 7 Rencana Anggaran Biaya
Lebih terperinciDokumen Kurikulum Program Studi : Teknik Informatika. Lampiran II
Dokumen Kurikulum 2013-2018 Program Studi : Teknik Informatika Lampiran II Sekolah Teknik Elektro dan Infomatika Institut Teknologi Bandung Bidang Akademik dan Kemahasiswaan Institut Teknologi Bandung
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 terperinciTracer Study ITB 2014 FTMD Angkatan 2007
Tracer Study ITB 2014 FTMD Angkatan 2007 Resume Tracer Study ITB 2014 Prodi Teknik Mesin Angkatan 2007 Total alumni Teknik Mesin 2007 (141 org) Data Responden Total alumni yang dilibatkan dalam pengisian
Lebih terperinciResume Regresi Linear dan Korelasi
Rendy Dwi Ardiansyah Putra 7410040018 / 2 D4 IT A Statistika Resume Regresi Linear dan Korelasi 1. Regresi Linear Regresi linear merupakan suatu metode analisis statistik yang mempelajari pola hubungan
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 terperinciDokumen Kurikulum Program Studi : Manajemen Rekayasa Industri Lampiran III
Dokumen Kurikulum 2013-2018 Program Studi : Manajemen Rekayasa Lampiran III Fakultas : Institut Bandung Bidang Akademik dan Kemahasiswaan Institut Bandung Kode Dokumen Total Halaman Kur2013-S1-MRI [JmlhHalaman]
Lebih terperinciTracer Study ITB 2014 FMIPA Angkatan 2007
Tracer Study ITB 2014 FMIPA Angkatan 2007 Resume Tracer Study ITB 2014 Prodi Matematika Angkatan 2007 Total alumni Matematika 2007 (101 org) Data Responden Total alumni yang dilibatkan dalam pengisian
Lebih terperinciLAPORAN PENYELENGGARAAN WORKSHOP PERSIAPAN PERKULIAHAN MATA KULIAH WAJIB LINGKUNGAN Kurikulum ITB
LAPORAN PENYELENGGARAAN WORKSHOP PERSIAPAN PERKULIAHAN MATA KULIAH WAJIB LINGKUNGAN Kurikulum ITB 2013-2018 Judul workshop : Persiapan Perkuliahan Mata Kuliah Wajib Lingkungan Waktu pelaksanaan : Selasa,
Lebih terperinciBiologi Angkatan 2010
Tracer Study ITB Biologi Angkatan 2010 Biologi Data Responden Total alumni yang dilibatkan dalam pengisian kuesioner (65 org) Total alumni dalam satu angkatan (65 org) Alumni yang memiliki alamat email
Lebih terperinciTracer Study ITB 2014 FITB Angkatan 2007
Tracer Study ITB 2014 FITB Angkatan 2007 Resume Tracer Study ITB 2014 Prodi Teknik Geologi Angkatan 2007 Total alumni Teknik Geologi 2007 (80 org) Data Responden Total alumni yang dilibatkan dalam pengisian
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 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 terperinciResume Tracer Study ITB 2015 Prodi Teknik Kimia Angkatan 2008
Resume Tracer Study ITB 2015 Kimia Angkatan 2008 Data Responden Total alumni Teknik Kimia 2008 (106 org) Total alumni yang dilibatkan dalam pengisian kuesioner (106 org) Alumni yang memiliki alamat email
Lebih terperinciTracer Study ITB 2014 FTTM Angkatan 2007
Tracer Study ITB 2014 FTTM Angkatan 2007 Resume Tracer Study ITB 2014 Pertambangan Angkatan 2007 Total alumni Teknik Pertambangan 2007 (59 org) Data Responden Total alumni yang dilibatkan dalam pengisian
Lebih terperinciResume Tracer Study ITB 2015 Prodi Teknik Sipil Angkatan 2008
Resume Tracer Study ITB 2015 Sipil Angkatan 2008 Data Responden Total alumni Teknik Sipil 2008 (133 org) Total alumni yang dilibatkan dalam pengisian kuesioner (133 org) Alumni yang memiliki alamat email
Lebih terperinciSTATISTIKA. Teknik Informatika FT-UNSRAT 2013
STATISTIKA pinrolinvic@gmail.com www.haluakacang.blogspot.com Teknik Informatika FT-UNSRAT 2013 Tujuan Mengenal data dan karakteristiknya Mengetahui metode-metode statistika dan dasar peluang Menerapkan
Lebih terperinciTeknik Industri FTI ITB. Kurikulum of 6 28-May-14 10:34 AM. Home Tentang ITB» Organisasi» Fakultas/Sekolah» Akademik» Fasilitas» Layanan»
1 of 6 8-May-14 10:34 AM Top Menu Home Tentang ITB» Organisasi» Fakultas/Sekolah» Akademik» Fasilitas» Layanan» Teknik Industri FTI ITB Links» Profil Teknik Industri» Kelompok Keahlian» Organisasi» 1 Tweet
Lebih terperinciBAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma
BAB II TINJAUAN PUSTAKA Bab ini akan membahas pengertian metode klasifikasi berstruktur pohon, konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma CHAID, keakuratan dan kesalahan dalam
Lebih terperinciSTATISTIKA BISNIS PENGUMPULAN DAN PENYAJIAN DATA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi
Modul ke: STATISTIKA BISNIS PENGUMPULAN DAN PENYAJIAN DATA Fakultas Ekonomi dan Bisnis Deden Tarmidi, SE., M.Ak., BKP. Program Studi Akuntansi www.mercubuana.ac.id PENDAHULUAN Bagaimanapun data yang ada
Lebih terperinciJadwal dan Materi Test Tahun Ajaran 2012/2013 Sekolah Pascasarjana Institut Teknologi Bandung
Jadwal dan Materi Test Tahun Ajaran 2012/2013 Sekolah Pascasarjana Institut Teknologi Bandung NO FAK/SEK PROGRAM STUDI MATERI TEST I I. Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) 1 Matematika
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 terperinciBAB II LANDASAN TEORI. 2.1 Uji Hipotesis
BAB II LANDASAN TEORI Pada bab ini akan dibahas tentang pengujian hipotesis, metode klasifikasi berstruktur pohon, metode-metode statistika yang menjadi dasar pada metode QUEST, dan algoritme QUEST..1
Lebih terperinciANALISIS FAKTOR RESIKO PADA KEJADIAN BERAT BADAN BAYI LAHIR DI BAWAH NORMAL DI RSUP H. ADAM MALIK MEDAN
Saintia Matematika Vol. 1, No. 6 (2013), pp. 557 566. ANALISIS FAKTOR RESIKO PADA KEJADIAN BERAT BADAN BAYI LAHIR DI BAWAH NORMAL DI RSUP H. ADAM MALIK MEDAN Siti Andri Yanti, Agus Salim Harahap, Suwarno
Lebih terperinciTracer Study ITB 2014 FTI Angkatan 2007
Tracer Study ITB 2014 FTI Angkatan 2007 Resume Tracer Study ITB 2014 Prodi Teknik Kimia Angkatan 2007 Total alumni Teknik Kimia 2007 (98 org) Data Responden Total alumni yang dilibatkan dalam pengisian
Lebih terperinciTracer Study ITB Program Studi Arsitektur Angkatan 2009
Tracer Study ITB 2016 Program Studi Arsitektur Angkatan 2009 Arsitektur Data Responden Total alumni dalam 1 angkatan (97 org) Total alumni yang dilibatkan dalam pengisian kuesioner (97 org) Alumni yang
Lebih terperinciANALISIS KORESPONDENSI UNTUK MENDAPATKAN PETA PERSEPSI DAN VARIABEL BAGI KEGIATAN USAHA SKRIPSI
ANALISIS KORESPONDENSI UNTUK MENDAPATKAN PETA PERSEPSI DAN VARIABEL BAGI KEGIATAN USAHA (Studi Kasus Rumah Makan Spesial Sambal (SS) terhadap Pesaingnya) SKRIPSI Disusun oleh : SUSI EKAWATI J2E 008 054
Lebih terperinciTracer Study ITB 2014 FTSL Angkatan 2007
Tracer Study ITB 2014 FTSL Angkatan 2007 Resume Tracer Study ITB 2014 Sipil Angkatan 2007 Total alumni Teknik Sipil 2007 (158 org) Data Responden Total alumni yang dilibatkan dalam pengisian kuesioner
Lebih terperinciAplikasi Multidimensional Scaling Untuk Peningkatan Pelayanan Proses Belajar Mengajar (PBM).
Aplikasi Multidimensional Scaling Untuk Peningkatan Pelayanan Proses Belajar Mengajar (PBM). Irlandia Ginanjar Staf Pengajar Jurusan Statistika FMIPA, Unpad Bandung. Abstrak Tujuan dari penelitian ini
Lebih terperinciTRACER STUDY ITB Farmasi Klinik dan Komunitas Angkatan 2009
TRACER STUDY ITB 2016 Farmasi Klinik dan Komunitas Angkatan 2009 DATA RESPONDEN Farmasi Klinik & Komunitas Total alumni dalam 1 angkatan (30 org) Total alumni yang dilibatkan dalam pengisian kuesioner
Lebih terperinciSyllabus Statistika Dasar Semester Ganjil 2012/2013 Prodi Informatika FMIPA Unsyiah
Syllabus Statistika Dasar Semester Ganjil 2012/2013 Prodi Informatika FMIPA Unsyiah Nama mata kuliah Statistika Dasar SKS 3 (2 1) Kode INF-201 Prasyarat Matematika Dasar 1 Dosen Pengasuh Kelas A : DR.
Lebih terperinciResume Tracer Study ITB 2015 Prodi Teknik Pertambangan Angkatan 2008
Resume Tracer Study ITB 2015 Pertambangan Angkatan 2008 Data Responden Total alumni Teknik Pertambangan 2008 (62 org) Total alumni yang dilibatkan dalam pengisian kuesioner (62 org) Alumni yang memiliki
Lebih terperinciSTATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si
STATISTIKA DASAR MAF 1212 Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si Pokok Bahasan Pokok Bahasan KONTRAK PERKULIAHAN UTS 35% UAS 35% TUGAS/QUIZ 20% KEHADIRAN 10% REFERENSI: Walpole, Ronald E. 2011. Probability
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 terperinciKAJIAN FAKTOR PENYEBAB PENDERITA HIPERTENSI DENGAN MENGGUNAKAN ANALISIS FAKTOR DI KOTAMADYA MEDAN (Studi Kasus : RSUP H.
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 4 (2014), pp. 333 343. KAJIAN FAKTOR PENYEBAB PENDERITA HIPERTENSI DENGAN MENGGUNAKAN ANALISIS FAKTOR DI KOTAMADYA MEDAN (Studi Kasus : RSUP H. Adam Malik
Lebih terperinciTracer Study Teknik Metalurgi itb. Angkatan 2009
Tracer Study Teknik Metalurgi itb Angkatan 2009 Data Responden Alumni Teknik Metalurgi 2009 Total alumni dalam 1 angkatan (39 org) Total alumni yang dilibatkan dalam pengisian kuesioner (39 org) Alumni
Lebih terperinciANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA
ANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA IKO PUTRI TYASHENING 1311 030 013 Dosen Pembimbing : Dr Santi Wulan Purnami, MSi PENDAHULUAN PENDAHULUAN RUMUSAN
Lebih terperinciKetentuan-ketentuan Pendaftaran FRS Semester II 2012/2013 Program Studi Teknik Elektro
Ketentuan-ketentuan Pendaftaran FRS Semester II 01/01 Program Studi Teknik Elektro I. Petunjuk Umum 1. Bagi mahasiswa program studi Teknik Elektro beberapa hal yang harus diperhatikan a. Memenuhi kewajiban
Lebih terperinciPENGANTAR STATISTIK JR113. Drs. Setiawan, M.Pd. Pepen Permana, S.Pd. Deutschabteilung UPI Pertemuan 3
PENGANTAR STATISTIK JR113 Drs. Setiawan, M.Pd. Pepen Permana, S.Pd. Deutschabteilung UPI 2008 Pertemuan 3 DATA STATISTIK Keterangan atau ilustrasi mengenai suatu hal yang berbentuk kategori ataupun bilangan.
Lebih terperinciModel Log Linier yang Terbaik untuk Analisis Data Kualitatif pada Tabel Kontingensi Tiga Arah
Malikussaleh Industrial Engineering Journal Vol.2 No.2 (2013) 32-37 ISSN 2302 934X Industrial Management Model Log Linier yang Terbaik untuk Analisis Data Kualitatif pada Tabel Kontingensi Tiga Arah Maryana
Lebih terperinciFaktor-Faktor Yang Mem pengaruhi Waktu Penyusunan Tugas Akhir Mahasiswa S1 (Studi Kasus : Mahasiswa FMIPA Unsyiah)
Jurnal Gradien Vol. 10 No.2 Juli 2014 : 1000-1004 Faktor-Faktor Yang Mem pengaruhi Waktu Penyusunan Tugas Akhir Mahasiswa S1 (Studi Kasus : Mahasiswa FMIPA Unsyiah) Nany Salwa 1, Fitriana A.R 1 dan Sri
Lebih terperinciAbstract. Abstrak. Keywords : Correspondence Analysis, Lecturer, Student, Service
Analisis Korepondensi Terhadap Karakteristik Kinerja Dosen Berdasarkan Faktor Penentu Mutu Pelayanan Di Jurusan Matematika Fmipa Universitas Sam Ratulangi 1 Djaka Liputo, 2 Djoni Hatidja, 3 Yohanes A.R.
Lebih terperinciData Mining Menggunakan Metode K-Means Klaster untuk Mengelompokkan Pemegang Polis Asuransi Kendaraan Bermotor di Indonesia
Prosiding Statistika ISSN: 2460-6456 Data Mining Menggunakan Metode K-Means Klaster untuk Mengelompokkan Pemegang Polis Asuransi Kendaraan Bermotor di Indonesia Supiyah, 2 Aceng Komarudin Mutaqin, 3 Teti
Lebih terperinciAnalisis Korespondensi Terhadap Persepsi Alumni Program Studi Matematika FMIPA Universitas Sam Ratulangi Mengenai Kurikulum Dan Proses Pembelajaran
Analisis Korespondensi Terhadap Persepsi Alumni Program Studi Matematika FMIPA Universitas Sam Ratulangi Mengenai Kurikulum Dan Proses Pembelajaran 1 Prastika Tumilaar, 2 Djoni Hatidja, 3 Jantje D. Prang
Lebih terperinciIII. METODOLOGI PENELITIAN
22 III. METODOLOGI PENELITIAN 2.5. Data Penelitian Data dalam penelitian ini menggunakan data sekunder yang diperoleh dari bagian Akademis POLBAN serta data pendukung yang merupakan data primer (persepsi)
Lebih terperinciTracer Study ITB S T F Sains dan Teknologi Farmasi Angkatan 2010
Tracer Study ITB 2018 S T F Sains dan Teknologi Farmasi Angkatan 2010 Total alumni dalam satu angkatan (104 org) Total alumni yang dilibatkan dalam pengisian kuesioner (104 org) Alumni yang memiliki alamat
Lebih terperinciPENGARUH PERAN DOSEN PEMBIMBING TERHADAP KUALITAS TUGAS AKHIR (Studi Kasus : Mahasiswa Fmipa Unsyiah)
BIAStatistics (2016) Vol. 10, No. 1, hal. 8-16 PENGARUH PERAN DOSEN PEMBIMBING TERHADAP KUALITAS TUGAS AKHIR (Studi Kasus : Mahasiswa Fmipa Unsyiah) Nany Salwa 1, Fitriana A.R. 2, and Junita Aiza 3 1,
Lebih terperinciDokumen Kurikulum Program Studi : Teknik Telekomunikasi. Lampiran II
Dokumen Kurikulum 0-08 Program Studi : Teknik Lampiran Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Bidang Akademik dan Kemahasiswaan Institut Teknologi Bandung Kode Dokumen Total
Lebih terperinciJadwal dan Materi Test Tahun Ajaran 2013/2014 Sekolah Pascasarjana Institut Teknologi Bandung
Jadwal dan Materi Test Tahun Ajaran 2013/2014 Sekolah Pascasarjana Institut Teknologi Bandung NO FAK/SEK PROGRAM STUDI MATERI TES I I. Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) 1 Matematika
Lebih terperinciPENGENDALIAN PROSES VARIABILITAS MULTIVARIAT MELALUI VEKTOR RAGAM (STUDI KASUS : IPK DAN LAMA STUDI LULUSAN MATEMATIKA UNIVERSITAS ANDALAS)
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 104 111 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGENDALIAN PROSES VARIABILITAS MULTIVARIAT MELALUI VEKTOR RAGAM (STUDI KASUS : IPK DAN LAMA STUDI LULUSAN
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 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 terperinciJadwal dan Materi Tes Semester I Tahun Ajaran 2015/2016 Sekolah Pascasarjana Institut Teknologi Bandung
Jadwal dan Materi Tes Semester I Tahun Ajaran 2015/2016 Sekolah Pascasarjana Institut Teknologi Bandung NO FAK/SEK PROGRAM STUDI MATERI TES 2015 I. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA)
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 terperinciDokumen Kurikulum Program Studi : Teknik Tenaga Listrik. Lampiran II
Dokumen Kurikulum 2013-2018 Program Studi : Teknik Lampiran II Sekolah Teknik Elektro Dan Informatika Institut Teknologi Bandung Bidang Akademik dan Kemahasiswaan Institut Teknologi Bandung Kode Dokumen
Lebih terperinciArtha Ida Sri Anggriyani
ANALISIS BIPLOT ROW METRIC PRESERVING UNTUK MENGETAHUI KARAKTERISTIK PROVIDER TELEPON SELULER PADA MAHASISWA S1 FSM UNIVERSITAS DIPONEGORO SKRIPSI Disusun Oleh : Artha Ida Sri Anggriyani 24010211130032
Lebih terperinciPENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN)
Saintia Matematika Vol. 1, No. 6 (2013), pp. 507 516. PENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN) Juliarti Hardika,
Lebih terperinciPENENTUAN JUMLAH CLUSTER OPTIMAL PADA MEDIAN LINKAGE DENGAN INDEKS VALIDITAS SILHOUETTE
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 05, No. 2 (2016), hal 97 102. PENENTUAN JUMLAH CLUSTER OPTIMAL PADA MEDIAN LINKAGE DENGAN INDEKS VALIDITAS SILHOUETTE Nicolaus, Evy Sulistianingsih,
Lebih terperinciHASIL DAN PEMBAHASAN
6 HASIL DAN PEMBAHASAN Eksplorasi Data Gambaran dari peubah mata kuliah, IPK dan nilai Ujian Nasional yang ditata sesuai dengan mediannya disajikan sebagai boxplot dan diberikan pada Gambar. 9 3 Data 6
Lebih terperinciPROSIDING ISBN :
APLIKASI METODE CHAID DALAM MENGANALISIS KETERKAITAN FAKTOR RISIKO LAMA PENYELESAIAN SKRIPSI MAHASISWA (Studi Kasus di Jurusan Matematika FMIPA Universitas Sriwijaya) Dian Cahyawati S., Susi Yohana, Putera
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 Cluster, Analisis Diskriminan & Analisis Komponen Utama. Analisis Cluster
Analisis Cluster Analisis Cluster adalah suatu analisis statistik yang bertujuan memisahkan kasus/obyek ke dalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang lain.
Lebih terperinciLEMBAGA PUSAT KARIR DAN HUBUNGAN ALUMNI
Nomor : 010 /PKH/UNTRI/XI/2016 Hal : Permohonan Pengisian Kuesioner Pengguna L ulusan Lamp : 1 (Satu) Lembar Kepada Yth, Bapak/Ibu Pimpinan Perusahaan Pengguna Lulusan Universitas Tridharma Balikpapan
Lebih terperinci