PERAMALAN KURSIDRTERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENTIAL SMOOTHING.
|
|
- Veronika Widjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PERAMALAN KURSIDRERHADAP USDMENGGUNAKAN DOUBLE MOVING AVERAGES DAN DOUBLEEXPONENIAL SMOOHING. Padrul Jaa 1), Rokhimi 2), Ismi Ratri Prihatiigsih 3) 1,2,3 PedidikaMatematika, Uiversitas PGRI Yogyakarta Abstrak Kurs IDR terhadap USD yag fluktuatif sagat mempegaruhi ekoomi Idoesia saat ii, dibutuhka suatu metode utuk meramalka Kurs IDR terhadap USD agar bisa diprediksi. Diharapka para pemagku kepetiga segera megambil kebijaka strategis demi stabilitas ekoomi asioal. Metode peramala dalam tulisa ii megguaka Double Movig Averages da Double Expoetial Smoothig dega α = Hasil peramala megguaka metode Double Movig Averages diperoleh F = ,9 IDR/USD, F = 14,176.1 IDR/USD, F = ,8 IDR/USD da Double Expoetial Smoothig diperoleh F = ,51 IDR/USD, F = 14,074.6 IDR/USD, F = ,7 IDR/USD. Kata Kuci: IDR, USD, Double Movig Averages, Double Expoetial Smoothig. 1. PENDAHULUAN Feomea lemahya kurs rupiah terhadap dolar Amerika Serikat pada pertegaha Agustus sampai awal September 2015 memag mearik utuk dikuti perkembagaya. Setiap egara megigika Kurs mata uagya selalu stabil terhadap mata uag egara lai demi mejaga stabilitas ekoomi dalam egeri. Fluktuasi KursIDR (Idoesia Rupiah terhadap USD palig tidak dipegaruhi oleh dua hal, yaki faktor iteral da eksteral perekoomia suatu egara. Akibat dari melemahya IDR terhadap USD adalah aikya harga barag-barag impor, sehigga aka berdampak lagsug bagi masyarakat luas. Megigat petigya mejaga kestabila KursIDR terhadap USD demi kepetiga ekoomi dalam egeri, dibutuhka suatu cara utuk forecastig (peramala) KursIDR terhadap USD agar para pemagku kepetiga da pegambil kebijaka bisa bergerak lebih cepat dalam megambil keputusa. ulisa ii membahas forecastig Kurs IDR terhadap USD dega dua metode yaitu Double Movig Averages da Double Expoetial Smoothig (Metode Liear Satu Parameter dari Brow), alasa megguaka kedua metode tersebut agar lebih megakomodir adaya tred pada data yag tersedia. Peramala aka disajika utuk beberapa lagkah ke depa, serta dilegkapi dega ilai tegah kesalaha, ilai tegah kesalaha absolut, ilai tegah kesalaha persetase absolut (MAPE), deviasi 48
2 Jural Derivat Volume 2 No. 2 Desember 2015 (ISSN: ) Halama stadar kesalaha, ilai tegah kesalaha kuadrat (MSE) utuk megukur akurasi dari peramala pada setiap metode yag disajika. Bagia pertama dari proses peramala adalah megambil data 14 hari terakhir data kurs mata uag IDR terhadap USDutuk diaalisis dega membagi mejadi kelompok data iisialisasi da kelompok data pegujia. Kedua, Memilih metode peramala dalam hal ii metode Double Movig Averages da Double Expoetial Smoothig (Metode Liear Satu Parameter dari Brow). Ketiga, megguaka metode tersebut utuk meramalka KursIDR terhadap USD utuk beberapa hari ke depa dega ukura pegujia: MAPE, MSE dll. 2. KAJIAN EORI Diberika N titik data da ditetuka data diguaka sebagai kelompok observasi pada setiap rata-rata sedagka data ke +1 sampai data ke N sebagai data pegujia, proses seperti ii disebut dega rata-rata bergerak berorde. Kelompok Kelompok Iisialis Pegujia X, X,, X X, X,, X Rumus utuk Sigle Movig Average dituliska sebagai berikut: Waktu Rata-rata Bergerak Ramala Karakteristik dari rata-rata bergerak dega orde adalah: a. Haya meyagkut periode terakhir dari data yag telah diketahui, b. Jumlah titik data dalam setiap ratarata tidak berubah dega berjalaya waktu. Sigle Movig Average kurag begitu baik dalam megatasi tred yag ada pada data, sehigga diperluka metode yag dapat megakumulasi da megakomodir tred yag ada. Metode ii disebut Double Movig Average, dasar dari metode ii adalah meghitug rata-rata bergerak yag kedua artiya rata-rata bergerak dari ratarata bergerak. X = X X +1 X = X X X = X X +2 dst. Prosedur peramala dega Double Movig Average meliputi: F +1 = X = X i a. Pegguaa rata-rata bergerak tuggal pada waktu t (ditulis S ), b. Pegguaa rata-rata bergerak gada pada waktu t (ditulis S ), i=1 F +2 = X +1 = X i i=2 F +3 = X +2 = X i i=3 49
3 Peramala kurs IDR terhadap USD megguaka double movig averages da double expoetial smoothig. Padrul Jaa, Rokhimi, Ismi Ratri Prihatiigsih c. Selisih atara rata-rata bergerak tuggal da gada pada waktu t (ditulis S S ), d. Kecederuga dari periode t ke periode t+1 meyesuaika. Prosedur Double Movig Average secara umum dapat dijelaska melalui persamaa berikut: S = X + X + + X N S = S + S + + S N a = S + (S S ) b (1) = 2S S (3) = 2 N 1 (S S ) (4) F = a + b m. (5) Keteraga: S : Sigle Movig Average S : Double Movig Average a : Peyesuaia Movig Average tuggal a : dega perbedaa (S S ) b : Estimasi kecederuga dari periode aaaaaawaktu satu ke periode waktu aaaaaaberikutya. F : Ramala utuk m periode ke depa. Sigle Expoetial Smoothig dikembagka dari persamaa: F = X = X da F = X = X dari (6) da (7) F = F + 1 (X X ) Misal: + 1 = t da = N diperoleh: F = F + 1 N (X X ) F (6) (7) = F + X N X (8) N Apabila observasi data lama X tidak tersedia, sehigga harus di estimasi dega suatu ilai. yag mugki adalah ramala periode sebelumya yaki F. Sehigga persamaa (8) mejadi: F = F + ( ) F = 1 N X N F (9) F didasarka pada pembobota pada data observasi terakhir sebesar da ramala terakhir sebelumya F sebesar 1. Karea N merupaka bilaga 50
4 Jural Derivat Volume 2 No. 2 Desember 2015 (ISSN: ) Halama positif, maka 0 1. Jika digati dega α maka persamaa (4) mejadi: F = αx + (1 α)f (10) Peramala Double Expoetial Smoothig metode liear satu parameter Brow dirumuska dega: S = αx + (1 α)s (11) S = αs + (1 α)s (12) a = S + (S S ) = 2S S b = α 1 α (S S ) (13) F = a + b m. S : Sigle Expoetial Smoothig S : Double Expoetial Smoothig a : Peyesuaia Expoetial Smoothig bbbbbtugal dega perbedaa (S S ) b : Estimasi kecederuga dari periode aaaaaawaktu satu ke periode waktu aaaaaaberikutya. F : Ramala utuk m periode ke depa. α : Pembobota, 0 α 1 Rata-rata kesalaha dihitug dega jumlaha dari selisih atara hasil ramala dega data asli dibagi dega bayakya data. Mea Error = X t F t t=1 (14) Rata-rata kesalaha absolut merupaka ilai mutlak dari hasil peramala dikuragi data asli dibagi dega bayakya data. Mea Absolute Error = X t F t t=1 (15) Persetase kesalaha absolute rata-rata atau Mea Absolute Percetage Error (MAPE) dihitug dega meemuka kesalaha absolut setiap periode tersebut, kemudia membagiya dega ilai observasi pada periode tersebut da terakhir merata-rataka persetase absolut ii. Rumusa utuk meghitug MAPE disajika sebagai berikut: MAPE = (16) Kesalaha rata-rata kuadrat atau Mea Square Error (MSE) merupaka alteratif dalam megevaluasi suatu tekik peramala. Setiap kesalaha dikuadratka, kemudia dijumlahka da dibagi dega jumlah observasi. Rumusa utuk meghitug MSE disajika sebagai berikut: MSE = (X F ) (17) Cara lai utuk megevaluasi tekik peramala adalah megguaka pejumlaha kesalaha tersebut. Simpaga absolut rata-rata atau Mea Absolute Deviatio (MAD) megukur akurasi peramala dega merata-rataka 51
5 Peramala kurs IDR terhadap USD megguaka double movig averages da double expoetial smoothig. Padrul Jaa, Rokhimi, Ismi Ratri Prihatiigsih kesalaha peramala ( Absolutya). MAD ii sagat bergua jika seorag aalis igi megukur kesalaha peramala dalam uit ukura yag sama seperti data asliya. Rumusa utuk meghitug MAD disajika sebagai berikut: MAD = (X F ) 3. MEODE PENELIIAN (18) Pegambila data time series Kurs IDR terhadap USD dari taggal 18 Agustus sampai dega 4 September 2015 di seputarforex.com. Data time series di aalisis dega megguaka dua metode yaitu Double Movig Averages da Double Expoetial Smoothig dega α = 0.33, utuk diketahui ramala data utuk 3 hari ke depa. Aalisis kesalaha dari masigmasig metode aka ditijau dari hituga: Rata-rata kesalaha, Rata-rata kesalaha absolut, Rata-rata kesalaha persetase absolut (MAPE), Rata-rata kuadrat kesalaha (MSE), Deviasi stadar kesalaha (MAD). 4. HASIL DAN PEMBAHASAN Double Movig Average Periode Kurs Sigle MA(3) (1) 1 13, , , , , , , , , , , , , , , , , , , , , , , , , , Periode dari (1) Double MA(3) Dari (1) da a , , , , , , , , , , Dari (1) da Periode B a+b(m) apabilam=1 52
6 Jural Derivat Volume 2 No. 2 Desember 2015 (ISSN: ) Halama Hasil perhituga meujuka bahwa dega megguaka metode Double Movig Averages ramala kurs IDR terhadap USD periode 15 sebesar Rp ,9 serta ramala utuk periode 16 da 17 disajika dalam hituga berikut: F = a + b 2 = 14, = Rp. 14,176.1 F = a + b 3 = 14, = Rp ,8 Dega aalisis kesalaha: Aalisis Kesalaha Rata-rata kesalaha -14,7 Rata-rata kesalaha absolut 69,9 MAPE 11,1 MSE Stadar Deviasi kesalaha (MAD) 93,8 Gambar1. Data Asli da hasil Peramala Double Expoetial Smoothig Periode Kurs Sigle ES (1) 1 13, , , , , , , , , , , , , , , Periode dari (1) Double SE Dari (1) da a 1 13,
7 Peramala kurs IDR terhadap USD megguaka double movig averages da double expoetial smoothig. Padrul Jaa, Rokhimi, Ismi Ratri Prihatiigsih Periode Dari (1) da b a+b(m) apabilam= Hasil perhituga meujuka bahwa dega megguaka metode Double Expoetial Smoothig ramala kurs IDR terhadap USD periode 15 sebesar Rp ,51 serta ramala utuk periode 16 da 17 disajika dalam hituga berikut: F = a + b 2 = 14, ( ) 2 = Rp. 14,074.6 F = a + b 3 = 14, ( ) 3 = Rp ,7 Dega aalisis kesalaha: Gambar 2. Data Asli da hasil Peramala 5. KESIMPULAN Metode peramala dalam tulisa ii megguaka Double Movig Averages da Double Expoetial Smoothig dega α = Hasil peramala megguaka metode Double Movig Averages diperoleh F t+1 = ,9 IDR/USD, F t+2 = 14,176.1 IDR/USD, F t+3 = ,8 IDR/USD da Double Expoetial Smoothig diperoleh F t+1 = ,51 IDR/USD, F t+2 = 14,074.6 IDR/USD, F t+3 = ,7 IDR/USD. Utuk megukur akurasi dari peramala masig-masig metode megguaka Mea Error, Mea Absolute Error, MAPE, MSE..REFERENSI 54
8 Jural Derivat Volume 2 No. 2 Desember 2015 (ISSN: ) Halama Arsyad, Licoli Peramala Bisis, Fakultas Ekoomi UGM, Yogyakarta. Bai, L. J. da Egelhard,M., 1992, Itroductio o Probability Ad Mathematical Statistics, Duxbury Press, Belmot,Califoria. Devore, J. L. da Berk,K.N., 2012, Moder Mathematical Statistics With Applicatio, Spriger New York. Hayati, ia. Peramala ukar Rupiah (IDR) erhadap Dolar (USD) Dega megguaka Metode Gabuga Arima (Auto regressive itegrated Movig Average) Da A (Artificial Neural Network), Fakultas ekik Iformatika, Uiversitas elkom. Hogg, R. V. da Craig,A.., 1978, Itroductio o Mathematical Statistics,Macmilla Publishig, Ic, New York. Makridakis. 1995, Metode da Aplikasi Peramala. Erlagga, Jakarta. Wibowo, ri. Faktor-Faktor Yag Mempegaruhi ukar Rupiah, BAPPEKI. Jakarta. 55
LAPORAN RESMI MODUL VII TIME SERIES FORECASTING
LAPORAN RESMI MODUL VII TIME SERIES FORECASTING I. Pedahulua A. Latar Belakag (Mi. 4 Paragraf) B. Rumusa Masalah C. Tujua Praktikum (Mi. 3) D. Mafaat Praktikum (Mi. 3) E. Batasa Masalah II. Tijaua Pustaka
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciBAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis
BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 2, April 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 2, April 203, Halama 37-46 Olie di: http://ejoural-s.udip.ac.id/idex.php/gaussia PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL DAN FUZZY TIME SERIES UNTUK MEMPREDIKSI
Lebih terperinciFORECASTING (Peramalan)
FORECASTING (Peramala) PENDAHULUAN Forecastig adalah ramala tetag apa yag aka terjadi dimasa yag aka datag. Forecast Demad atau peramala permitaa mejadi dasar yag sagat petig dalam perecaaa suatu keputusa
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciPeramalan Jumlah Stok Alat Tulis Kantor Di UD ACHMAD JAYA Menggunakan Metode Double Exponential Smoothing
Jural Ilmiah Tekologi da Iformasia ASIA (JITIKA) Vol.10, No.1, Februari 2016 ISSN: 0852-730X Peramala Jumlah Stok Alat Tulis Kator Di UD ACHMAD JAYA Megguaka Metode Double Expoetial Smoothig Titaia Dwi
Lebih terperinciPERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER
PERAMALAN DATA TIME SERIES DENGAN METODE PENGHALUSAN EKSPONENSIAL HOLT - WINTER Adi Suwadi 1, Aisa 2, Adi Kresa Jaya 3 JurusaMatematika FMIPA UiversitasHasauddi Makassar 90245 ABSTRAK Dalam time series
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciBAB 2 LANDASAN TEORI. mendapatkan perhatian dan dipelajari oleh ilmuan dari hampir semua ilmu bidang
8 BAB 2 LANDASAN TEORI 2.1 Pegertia Peramala Statistik merupaka salah satu cabag ilmu pegetahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hampir semua ilmu bidag pegetahua, terutama
Lebih terperinciProsiding Manajemen ISSN:
Prosidig Maajeme ISSN: 2460-7187 Aalisis Peramala Pejuala dega Megguaka Metode Sigle Movig Average, Weighted Movig Average da Expoetial Smoothig Sebagai Dasar Perecaaa Produksi Polo Shirt Pria (Studi Kasus
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pegertia Peramala Statistik merupaka salah satu cabag ilmu pegetahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hampir semua ilmu bidag pegetahua, terutama
Lebih terperinciPENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA
PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis
Lebih terperinciANALISIS PERAMALAN PENJUALAN USAHA ARDYLA BAKERY DI MUARA BULIAN Muryati 1
Jural Ilmiah Uiversitas Bataghari Jambi Vol.17 No.2 Tahu 2017 ANALISIS PERAMALAN PENJUALAN USAHA ARDYLA BAKERY DI MUARA BULIAN Muryati 1 Abstract The role of forecastig was very importat for a compay to
Lebih terperinciPEMILIHAN TEKNIK PERAMALAN DAN PENENTUAN KESALAHAN PERAMALAN
PEMILIHAN TEKNIK PERAMALAN DAN PENENTUAN KESALAHAN PERAMALAN A. Tekik-tekik Peramala Faktor utama yag mempegaruhi pemiliha tekik peramala adalah idetifikasi da megetahui pola dari data. Beberapa tekik
Lebih terperincikesimpulan yang didapat.
Bab ii merupaka bab peutup yag merupaka hasil da kesimpula dari pembahasa serta sara peulis berdasarka kesimpula yag didapat. BAB LANDASAN TEORI. Kosep Dasar Peramala Peramala adalah kegiata utuk memperkiraka
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciPENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI
Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,
Lebih terperinciREGRESI LINIER GANDA
REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciA. Pengertian Hipotesis
PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Data permitaa Dalam meramalka permitaa produk lever cable utuk kebutuha PT. Kyoda Mas Mulia sediri. data yag diambil utuk perhituga peramala permitaa yaitu dega
Lebih terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciKata Kunci : Forecasting, Program Perhitungan, Simple Moving Averages, Weighted Moving Averages, Mean Absolute Deviation, Mean Square Error
PREDIKSI PEMINATAN PROGRAM KEAHLIAN CALON SISWA BARU DENGAN METODE SIMPLE MOVING AVERAGES DAN WEIGHTED MOVING AVERAGES (Studi Kasus : SMK TEXMACO SEMARANG) Isa Raa Machilikha Putera Sistem Iformasi, Fakultas
Lebih terperinciBAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai
BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,
45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam
Lebih terperinciMODUL 3 PERAMALAN. Halaman 3
MODUL 3 PERAMALAN 1. Deskripsi Peramala merupaka tahapa awal dari keseluruha perecaaa produksi. Adaya ketidak pastia dari permitaa kosume di masa yag aka datag meyebabka aktivitas peramala ii sagat dibutuhka
Lebih terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciAPLIKASI PERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE PEMULUSAN (STUDI KASUS: INSTALASI FARMASI RSUD DR MURJANI)
APLIKASI PERAMALAN PENJUALAN OBAT MENGGUNAKAN METODE PEMULUSAN (STUDI KASUS: INSTALASI FARMASI RSUD DR MURJANI) Slamet Riyadi Fakultas Ilmu Komputer Uiversitas Darwa Ali Jl Batu Berlia No. 0 Sampit, Kalimata
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciKompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci
Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciDISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin
DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciPerbandingan Beberapa Metode Pendugaan Parameter AR(1)
Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad
Lebih terperinciIII. METODE PENELITIAN
30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.
Lebih terperinciPOSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan
POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da
Lebih terperinciIII. METODE PENELITIAN
9 III. METODE PENELITIAN A. Lokasi da Objek Peelitia Peelitia ii dilakuka di RPH Tejo Petak 10i, BKPH Parug Pajag KPH Bogor, Perum Perhutai Uit III Jawa Barat da Bate. Objek peelitia adalah waktu kerja
Lebih terperincii adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.
4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha
Lebih terperinciPERAMALAN PERENCANAAN PRODUKSI SEMEN DENGAN METODE EXPONENTIAL SMOOTHING PADA PT. SEMEN INDONESIA
PERAMALAN PERENCANAAN PRODUKSI SEMEN DENGAN METODE EXPONENTIAL SMOOTHING PADA PT. SEMEN INDONESIA Agil Saputro, Bambag Purwaggoo *) Program Studi Tekik Idustri, Fakultas Tekik, Uiversitas Dipoegoro, Jl.
Lebih terperinciRESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015
RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi
Lebih terperinciBAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm
BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Nama Alat Tegaga Ukura Berat : Lux meter dilegkapi sesor jarak berbasis arduio : 5 V (DC) : pajag 15,4 cm tiggi 5,4 cm lebar 8,7 cm : 657 gram 4.. Gambar
Lebih terperinciSEBARAN t dan SEBARAN F
SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita
Lebih terperinciPERANCANGAN APLIKASI PREDIKSI JUMLAH SISWA BARU PADA YAYASAN CERDAS MURNI MENGGUNAKAN EXPONENTIAL SMOOTHING
PERANCANGAN APLIKASI PREDIKSI JUMLAH SISWA BARU PADA YAYASAN CERDAS MURNI MENGGUNAKAN EXPONENTIAL SMOOTHING Khairu Nisa Ulfa 1, Muhammad Syahrizal 2 Mahasiswa Tekik Iformatika STMIK Budi Darma Meda 1 Dose
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel
Lebih terperinciBAB II TINJAUAN LITERATUR. Pengendalian persediaan dapat dilakukan dalam berbagai cara, antara lain dengan
BAB II TINJAUAN LITERATUR 2.1. Klasifikasi ABC Dalam Persediaa Pegedalia persediaa dapat dilakuka dalam berbagai cara, atara lai dega megguaka aalisis ilai persediaa. Dalam aalisis ii, persediaa dibedajka
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI PT.Bak Permata merupaka salah satu bak asioal terbesar di Idoesia da dikeal sebagai bak pelayaa terbaik. Bak Permata dibetuk sebagai hasil merger dari 5 bak di bawah Bada Peyehata
Lebih terperinciBAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu
BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB III PROSEDUR PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
8 BAB III PROSEDUR PENELITIAN A. Metode Peelitia Metode peelitia yag diguaka dalam peelitia ii adalah metode ex post facto. Ada dua variabel dalam proses peelitia ii yaitu variabel bebas (variabel ) adalah
Lebih terperinciANALISIS RUNTUT WAKTU DAN PERAMALAN (Time Series and Forecasting) Analisis Tren
ANALISIS RUNTUT WAKTU DAN PERAMALAN (Time Series ad Forecastig) Aalisis Tre P.E.N.D.A.H.U.L.U.A.N Rutut waktu merupaka kumpula data yag tercatat sepajag periode waktu tertetu (cotohya: miggua, bulaa, atau
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciPENENTUAN JUMLAH PERENCANAAN PERMINTAAN PELUMAS UNTUK MEMINIMASI TINGKAT KESALAHAN PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN PELUMAS PADA PT.
PENENTUAN JUMLAH PERENCANAAN PERMINTAAN PELUMAS UNTUK MEMINIMASI TINGKAT KESALAHAN PERAMALAN BERDASARKAN PERAMALAN PERMINTAAN PELUMAS PADA PT. NYZ DETERMINATION OF THE AMOUNT OF LUBRICANT DEMAND PLANNING
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciSTATISTIKA SMA (Bag.1)
SMA - STATISTIKA SMA (Bag. A. DATA TUNGGAL. Ukura Pemusata : Terdapat ilai statistika yag dapat dimiliki oleh sekumpula data yag diperoleh yaitu : a. Rata-rata Rata-rata jumlah seluruh data bayakya data
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture
Lebih terperinciRange atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu
BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab
Lebih terperinciMakalah ANALISIS REGRESI DAN REGRESI GANDA
1 Makalah ANALISIS REGRESI DAN REGRESI GANDA Disusu oleh : 1. Rudii mulya ( 41610010035 ). Falle jatu awar try ( 41610010036 ) 3. Novia ( 41610010034 ) Tekik Idustri Uiversitas Mercu Buaa Jakarta 010 Rudii
Lebih terperinciIII. METODELOGI PENELITIAN
III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)
Lebih terperinciSTATISTIK PERTEMUAN VIII
STATISTIK PERTEMUAN VIII Pegertia Estimasi Merupaka bagia dari statistik iferesi Estimasi = pedugaa, atau meaksir harga parameter populasi dega harga-harga statistik sampelya. Misal : suatu populasi yag
Lebih terperinciBab 3 Kerangka Pemecahan Masalah
Bab 3 Keragka Pemecaha Masalah 3.1. Metode Pemecaha Masalah Peelitia ii disajika dalam lagkah-lagkah seperti ag terdapat pada gambar dibawah ii. Peajia secara sistematis dibuat agar masalah ag dikaji dalam
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciBAB IV ANALISIS DATA PENELITIAN. Data yang digunakan untuk mengevaluasi Gardu Induk Bandar Sribhawono
38 BAB IV ANALISIS DATA PENELITIAN.1 Data Peelitia Data yag diguaka utuk megevaluasi Gardu Iduk Badar Sribhawoo 8 tahu medatag adalah data pemakaia eergi listrik tahu 2013 sampai 2016 pada trasformator
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and
BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia
Lebih terperinciPengantar Statistika Matematika II
Pegatar Statistika Matematika II Metode Evaluasi Atia Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Uiversitas Islam Idoesia April 11, 2017 atiaahdika.com Pegguaa metode estimasi yag berbeda dapat meghasilka
Lebih terperinciMasih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.
Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciPENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart
Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun
47 BAB IV HASIL DAN PEMBAHASAN Sebagai hasil peelitia dalam pembuata modul Racag Bagu Terapi Ifra Merah Berbasis ATMega8 dilakuka 30 kali pegukura da perbadiga yaitu pegukura timer/pewaktu da di badigka
Lebih terperinciJENIS PENDUGAAN STATISTIK
ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester
Lebih terperinciModel Trend untuk Peramalan Jumlah Penduduk Studi kasus pada Pertumbuhan Penduduk Kabupaten Gowa
JTRISTE, Vol., No., Oktober 015, pp. 46~5 ISSN: 355-3677 Model Tred utuk Peramala Jumlah Peduduk Studi kasus pada Pertumbuha Peduduk Kabupate Gowa Sistem Iformasi, STMIK Kharisma Makassar rahmawati@kharisma.ac.id
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan
BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Alat terapi ii megguaka heater kerig berjeis fibric yag elastis da di bugkus dega busa, pasir kuarsa, da kai peutup utuk memberi isolator terhadap kulit
Lebih terperinciBAB IV PENELITIAN Gambar Alat Untuk gambar alat dapat dilihat pada gambar 4.1. dibawah ini: Gambar 4.1. Modul Alat Tugas Akhir
43 BAB IV PENELITIAN 4.1. Spesifikasi Alat Nama Alat : Had dryer Dilegkapi Dega UV Steril da Pompa Caira Sabu Otomatis. Tegaga : 0 V Frekuesi : 50-60 Hz Daya : 350 Watt 4.. Gambar Alat Utuk gambar alat
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciBAB III METODOLOGI PENELITIAN
26 BAB III METODOLOGI PENELITIAN A. Tempat da Waktu Kegiata dilakuka di Divisi Tresuri Bak XYZ dari bula Jauari - April 2011. Pegambila data dilakuka di beberapa wilayah pemasara yaitu di wilayah Jakarta,
Lebih terperinci