BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk
|
|
- Benny Sanjaya
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk menaksr pengaruh-pengaruh varabel bebas X terhadap varabel respon Y (Johnson dan Wchern, 1992: 285). Model regres ang basana dgunakan untuk menentukan hubungan varabel bebas X dengan varabel respon Y adalah model regres lnear, bak regres lnear sederhana maupun berganda. Varabel dalam regres lnear basana bertpe data kontnu (nterval atau raso), walaupun demkan data nomnal atau ordnal dapat dgunakan sebaga varabel. Dalam regres lnear, varabel ang bertpe data nomnal atau ordnal dapat dgunakan sebaga varabel bebas, tetap tdak dapat dgunakan sebaga varabel respon. Untuk memaham mengapa varabel ang bertpe data nomnal atau ordnal tdak dapat dgunakan sebaga varabel respon dalam regres lnear, perhatkan stuas dmana varabel respon Y dalam suatu masalah regres hana mengambl dua nla kemungknan, atu 0 dan 1. Varabel respon n bsa jad dperoleh dar suatu pengamatan terhadap respon ang bertpe data kualtatf (nomnal atau ordnal). Msalna, dalam suatu stud ngn dketahu penebab kecelakaan lalu lntas kendaraan roda empat d suatu kota, dmana jka penebabna tdak 1
2 2 dgunakanna sabuk pengaman (seat-belt) saat mengemud, kategor varabel responna dber label 1 dan jka penebabna karena faktor lan, msalna mabuk, mengantuk, sedang menelepon ketka mengemud, kategor varabel responna dber label 0. Andakan bahwa model regres dar permasalahan d atas memlk bentuk = β x + ε (1.1) Dmana x = ( x 0, x 1,..., x k ), β = ( β0, β1,..., β k ), dan varabel respon mengambl nla 0 atau 1. Dasumskan bahwa varabel respon adalah suatu varabel acak Bernoull dengan dstrbus peluang sebaga berkut: Peluang 1 P( = 1) = π 0 P( = 0) = 1 π Karena E( ε ) = 0, dan nla ekspektas dar varabel respon adalah Yang menunjukkan bahwa E( ) = 1( π ) + 0(1 π ) = π E( ) = β x = π (1.2) Hal n berart bahwa ekspektas dar varabel respon ang dberkan menurut fungs varabel respon E( ) = β x adalah peluang dar varabel respon ang mengambl nla 1. Sen dan Srvastava (1990: 11) mengemukakan bahwa ada tga konds ang harus dpenuh oleh regres lnear ang menggunakan metode kuadrat terkecl
3 3 untuk menaksr parameter-parameter agar dhaslkan taksran parameter ang bak, atu: 1. Rata-rata dar galat adalah nol, E ( ε ) = 0, untuk semua 2. Varans dar galat adalah suatu konstanta, ( ) E ( E ) E ( ) Var ε = ε ( ε ) = ε = σ, untuk semua 3. Galat-galatna tdak berkorelas atau salng bebas, ( j ) 0 E ε ε =, untuk semua j Ketga konds d atas dsebut konds Gauss-Markov, dengan galat harus berdstrbus normal. Namun, model regres lnear dalam persamaan (1.1) d atas melanggar dua konds pertama Gauss-Markov dan batasan nla duga (ftted value). Pelanggaran terhadap konds Gauss-Markov dan batasan nla duga tersebut adalah: a. Jka varabel responna bner, maka galat ε dapat mengambl dua nla, ε = 1 β x jka = 1 ε = β x jka = 0 Akbatna, galat dalam model n tdak mungkn berdstrbus normal. b. Varans dar galat bukanlah suatu konstanta, karena { E( )} 2 ( 1 ) 2 ( 0 ) 2 ( 1 ) ( 1 ) σ = E = π π + π π = π π 2 Persamaan n dapat dtuls sebaga
4 4 [ E ] σ = E( ) 1 ( ) 2 karena E( ) = β x = π. Hal n mengndkaskan bahwa varans dar pengamatan (ang mana sama sepert varans galat sebab ε = β x = π, dan π adalah suatu konstanta) adalah suatu fungs rata-rata. c. Pembatasan pada fungs varabel respon, Perhatkan bahwa peluang ( ) 0 E = π 1 π harus terletak d antara 0 dan 1. Sementara E( ) pada persamaan (1.2) bsa mengambl nla d luar nterval 0 dan 1 untuk setap nla x ang kecl atau besar. Dengan demkan, berdasarkan a, b, dan c, model regres lnear kurang tepat dgunakan jka varabel responna bertpe data nomnal atau ordnal. Untuk mengatas masalah n, dperkenalkanlah regres logstk. Regres logstk merupakan bagan dar metode statstka ang dkenal sebaga model lnear ang dgeneralsas (generalzed lnear model). Menurut Klenbaum (1994: 5), regres logstk adalah suatu pendekatan pemodelan matematka ang dapat dgunakan untuk menggambarkan hubungan varabel bebas X dan varabel respon Y, dmana Y adalah varabel respon bner atu varabel ang memlk dua nla kemungknan atau kategor. Regres logstk dapat dbedakan berdasarkan varabel bebas dan varabel responna. Berdasarkan varabel bebasna, regres logstk terbag menjad dua, atu regres logstk sederhana (smple logstc regresson) dan regres logstk
5 5 berganda (multple logstc regresson). Sedangkan berdasarkan varabel responna, regres logstk terbag menjad dua, atu: regres logstk bner (bnar logstc regresson) dan regres logstk multnomal (multnomal logstc regresson). Regres logstk bner dgunakan ketka hana ada dua kategor (dchotomous) varabel respon Y. Sedangkan regres logstk multnomal dgunakan ketka pada varabel respon Y terdapat lebh dar dua kategor (poltomous atau polchotomous). Data respon poltomous banak dtemu dalam kehdupan sehar-har. Msalna, dalam suatu stud mengena plhan sstem transportas untuk bekerja, varabel responna bsa berupa mobl prbad, bus, buswa, kereta ap, sepeda motor, sepeda, atau jalan kak. Dalam hal n, varabel responna memlk tujuh kategor. Pemlhan transportas n akan bergantung pada varabel bebasna. Varabel bebasna bsa berupa jens kelamn, ongkos, lama perjalanan sampa ke tempat bekerja, kenamanan, dan sebagana. Untuk menaksr varabel bebas tersebut terhadap varabel responna ang bertpe data kategork dapat dgunakan model regres logstk multnomal. Kategor varabel respon sstem transportas untuk bekerja dalam contoh d atas tdak terurut. Varabel respon dengan kategor tdak terurut dnamakan varabel respon nomnal dan varabel respon dengan kategor terurut dnamakan varabel respon ordnal. Ada stuas dmana kategor responna terurut. Msalna, dalam suatu stud mengena kepuasan pelanggan terhadap pelaanan toko A, varabel responna bsa berupa sangat puas, puas, tdak puas, sangat tdak puas. Dalam suatu percobaan klnk (clncal tral), respon untuk suatu perlakuan bsa
6 6 dklasfkas sebaga semakn membak, tdak ada perubahan, semakn memburuk. Untuk kedua stuas n dgunakan suatu metode ang berbeda ang dsebut model odds proporsonal (proportonal odds model) (Chatterjee dan Had, 2006: 329). Dalam tugas akhr n, ang akan menjad bahasan penuls adalah model regres logstk multnomal dengan kategor varabel respon tdak terurut (nomnal). Untuk lebh memaham regres logstk multnomal n, penuls mengambl contoh kasus mengena pengaruh gender dan ras terhadap pemlhan suatu parta poltk. Untuk selanjutna, tugas akhr n dber judul REGRESI LOGISTIK MULTINOMIAL. 1.2 Rumusan Masalah Berdasarkan uraan latar belakang masalah d atas, rumusan masalah tugas akhr n adalah: 1. Bagamanakah cara menaksr parameter pada regres logstk multnomal? 2. Bagamana cara menguj keberartan parameter pada regres logstk multnomal? 3. Bagamana cara menguj kecocokan model pada regres logstk multnomal? 4. Bagamana aplkas regres logstk multnomal pada suatu contoh kasus mengena pengaruh varabel bebas gender dan ras terhadap pemlhan suatu parta poltk?
7 7 1.3 Batasan Masalah Adapun batasan masalah pada tugas akhr n adalah: 1. Model ang dgunakan dalam regres logstk multnomal adalah model logt ang dgeneralsas (Generalzed Logt Model) dan dsebut juga sebaga model logt multnomal. 2. Varabel respon ang dgunakan merupakan varabel respon nomnal atau varabel respon kategor ang tdak memlk urutan data. 3. Penggunaan perangkat lunak SPSS vers 16.0 dalam pengolahan data. 1.4 Tujuan Penulsan Berdasarkan uraan rumusan masalah d atas, tujuan penulsan tugas akhr n adalah: 1. Mengetahu taksran parameter pada regres logstk multnomal. 2. Mengetahu uj keberartan parameter pada regres logstk multnomal. 3. Mengetahu uj kecocokkan model pada regres logstk multnomal. 4. Mengetahu aplkas regres logstk multnomal pada contoh kasus mengena pengaruh varabel bebas gender dan ras terhadap pemlhan suatu parta poltk. 1.5 Sstematka Penulsan BAB I: PENDAHULUAN Bab n bers tentang latar belakang masalah, rumusan masalah, tujuan penulsan, dan sstematka penulsan.
8 8 BAB II: LANDASAN TEORI Bab n bers tentang teor-teor dasar ang dgunakan untuk mendukung pernataan pada bab-bab selanjutna. BAB III: REGRESI LOGISTIK MULTINOMIAL Bab n membahas tentang regres logstk multnomal. BAB IV: CONTOH KASUS Bab n bers contoh kasus dar regres logstk multnomal beserta pengolahan data dan hasl analssna. BAB V: PENUTUP Bab n bers kesmpulan dar bab-bab sebelumna, juga dsertakan saran dar penuls.
BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciREKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA
REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bntaro Sektor 7, Bntaro Jaya Tangerang Selatan 15224 PENDAHULUAN Bangktan perjalanan (Trp generaton model ) adalah suatu tahapan
Lebih terperinciAnalisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciANALISIS PEUBAH RESPON BINER
Analss Peubah Respon Bner... (Ksmantn) ANALISIS PEUBAH RESPON BINER Ksmantn Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta Abstrak Pada regres lner klask, peubah respon dasumskan merupakan
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Sebuah jarngan terdr dar sekelompok node yang dhubungkan oleh busur atau cabang. Suatu jens arus tertentu berkatan dengan setap busur. Notas standart untuk menggambarkan sebuah jarngan
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kendaraan bermotor merupakan alat yang palng dbutuhkan sebaga meda transportas. Kendaraan dbag menjad dua macam, yatu kendaraan umum dan prbad. Kendaraan umum
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciMULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari
MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciBAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,
BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciDISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA
DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciBAB II KAJIAN TEORI. 2.1 Pendahuluan. 2.2 Pengukuran Data Kondisi
BAB II KAJIAN TEORI 2.1 Pendahuluan Model penurunan nla konds jembatan yang akan destmas mengatkan data penurunan konds jembatan dengan beberapa varabel kontnu yang mempengaruh penurunan kondsnya. Data
Lebih terperinciLAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi
LAPORAN PENELITIAN Pola Kecenderungan Penempatan Kunc Jawaban Pada Soal Tpe-D Melengkap Berganda Oleh: Drs. Pramono Sd Fakultas Matematka dan Ilmu Pengetahuan Alam Me 1990 RINGKASAN Populas yang dambl
Lebih terperinciKORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /
KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciBAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBab 4. ANACOVA Analysis Of Covariance
Bab 4 ANACOVA Analss Of Covarance ANAVA vs ANREG ANAVA?? dgunakan untuk mengu perbandngan varabel tergantung () dtnau dar varabel bebas ANREG?? Dgunakan untuk mempredks varabel tergantung () melalu varabel
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Jens Peneltan Jens peneltan n adalah peneltan quas expermental dengan one group pretest posttest desgn. Peneltan n tdak menggunakan kelas pembandng namun sudah menggunakan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan
Lebih terperinciPendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB
Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software
Lebih terperinciRegresi Linear Sederhana dan Korelasi
Regres Lnear Sederhana dan Korelas 1. Model Regres Lnear. Penaksr Kuadrat Terkecl 3. Predks Nla Respons 4. Inferens Untuk Parameter-parameter Regres 5. Kecocokan Model Regres 6. Korelas Utrwen Mukhayar
Lebih terperinciOVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL
OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL Heru Wbowo, Suyono, Wdyant Rahayu Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Neger Jakarta
Lebih terperinciNirwan Ilyas, Anisa, Andi Kresna Jaya ABSTRAK
PERBANDINGAN MODEL REGRESI LOGISTIK DAN ZERO-INFLATED POISSON (ZIP) UNTUK MENGANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS KELANGSUNGAN HIDUP PENDERITA PENYAKIT DEMAM BERDARAH (DBD) RS WAHIDIN SUDIROHUSODO
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciBAB I PENDAHULUAN. Semakin tinggi penerimaan Pajak di Indonesia, semakin tinggi pula kualitas
BAB I PENDAHULUAN A. LATAR BELAKANG Pajak merupakan sumber penermaan terpentng d Indonesa. Oleh karena tu Pemerntah selalu mengupayakan bagamana cara menngkatkan penermaan Pajak. Semakn tngg penermaan
Lebih terperinciPERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA
Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL
Lebih terperinciBAB 2 TINJAUAN KEPUSTAKAAN
BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud
Lebih terperinciBab 3 Analisis Ralat. x2 x2 x. y=x 1 + x 2 (3.1) 3.1. Menaksir Ralat
Mater Kulah Ekspermen Fska Oleh : Drs. Ishaft, M.S. Program Stud Penddkan Fska Unverstas Ahmad Dahlan, 07 Bab 3 Analss Ralat 3.. Menaksr Ralat Msalna suatu besaran dhtung dar besaran terukur,,..., n. Jka
Lebih terperinciBAB III METODELOGI PENELITIAN. metode penelitian yang digunakan dalam penelitian ini adalah metode deskriptif
BAB III METODELOGI PENELITIAN 3.1 Desan Peneltan Metode peneltan mengungkapkan dengan jelas bagamana cara memperoleh data yang dperlukan, oleh karena tu metode peneltan lebh menekankan pada strateg, proses
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciINFERENSI FUNGSI KETAHANAN DENGAN METODE KAPLAN-MEIER
Tatk Wdharh dan Naschah ska Andran (Inferens Fungs Ketahanan dengan Metode Kaplan-Meer INFERENI FUNGI KETAHANAN DENGAN METODE KAPLAN-MEIER Tatk Wdharh dan Naschah ska Andran Jurusan Matematka FMIPA UNDIP
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciConfigural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA
Lebih terperinciSEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN
AALISIS DISKRIMIA DISKRIT UTUK MEGELOMPOKKA KOMPOE Bernk Maskun Jurusan Statstka FMIPA UPAD jay_komang@yahoo.com Abstrak Untuk mengelompokkan hasl pengukuran yang dukur dengan p buah varabel dmana penlaan
Lebih terperinciBAB 4 PERHITUNGAN NUMERIK
Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat
Lebih terperinciSTATISTICAL STUDENT OF IST AKPRIND
E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen
3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciCatatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan
Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324
JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciRegresi. Bahan Kuliah IF4058 Topik Khusus Informatika I. Oleh; Rinaldi Munir(IF-STEI ITB)
Regres Bahan Kulah IF4058 Topk Khusus Informatka I Oleh; Rnald Munr(IF-STEI ITB) 1 Pendahuluan Regresadalahteknkpencocokankurvauntukdata ang berketeltanrendah. Contohdata ang berketeltanrendahdata haslpengamatan,
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciMETODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR
METODE REGRESI RIDGE UNTUK MENGATASI KASUS MULTIKOLINEAR Margaretha Ohyver Jurusan Matematka, Fakultas Sans dan Teknolog, Bnus Unversty Jl. Kh.Syahdan No.9, Palmerah, Jakarta 480 ethaohyver@bnus.ac.d,
Lebih terperinciNama : Crishadi Juliantoro NPM :
ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang
Lebih terperinciUKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a
UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciI. PENGANTAR STATISTIKA
1 I. PENGANTAR STATISTIKA 1.1 Jens-jens Statstk Secara umum, lmu statstka dapat terbag menjad dua jens, yatu: 1. Statstka Deskrptf. Statstka Inferensal Dalam sub bab n akan djelaskan mengena pengertan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciBAB III METODOLOGI PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODOLOGI PENELITIAN A. Metode Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode ekspermen dengan bentuk kuas ekspermen. Pre test dlakukan d awal peneltan dan post tes dlakukan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
I ENDHULUN. Latar elakang Mengambl keputusan secara aktf memberkan suatu tngkat pengendalan atas kehdupan spengambl keputusan. lhan-plhan yang dambl sebenarnya membantu dalam penentuan masa depan. Namun
Lebih terperinciBAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:
BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN A. Tujuan Peneltan Tujuan dalm peneltan n adalah mengetahu keefektfan strateg pembelajaran practce-rehearsal pars dengan alat peraga smetr lpat dan smetr putar dalam menngkatkan
Lebih terperinciPendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan
Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciPELUANG ALUMNI PENDIDIKAN MATEMATIKA FKIP UMB DALAM MENDAPATKAN PEKERJAAN DENGAN MENGGUNAKAN ANALISIS REGRESI LOGISTIK
p-issn 979 3693 e-issn 477 0647 MEDIA SAISIKA 0( 7: 85-94 http://ejournal.undp.ac.d/ndex.php/meda_statstka PELUANG ALUMNI PENDIDIKAN MAEMAIKA FKIP UMB DALAM MENDAPAKAN PEKERJAAN DENGAN MENGGUNAKAN ANALISIS
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Metode peneltan atau metodolog peneltan adalah strateg umum yang danut dalam mengumpulkan dan menganalss data yang dperlukkan, guna menjawab persoalan yang dhadap. Adapun rencana
Lebih terperinciSeemingly Unrelated Regression (SUR) Penderita Penyakit DBD RS. Wahidin Sudirohusodo Dan RS. Stella Maris Makassar
Vol. 3, o., -5, Jul 6 Seemngl Unrelated Regresson Penderta Penakt DBD RS. Wahdn Sudrohusodo Dan RS. Stella ars akassar A n s a Abstrak Hubungan antar varabel adalah salah satu hal ang selalu menark dalam
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.3.1 Tempat Peneltan Peneltan n dlaksanakan d SMP Neger Gorontalo khususnya pada sswa kelas VIII. 3.3. Waktu Peneltan Peneltan n dlaksanakan selama
Lebih terperinciTINJAUAN PUSTAKA. Node. Edge. Gambar 1 Directed Acyclic Graph
TINJAUAN PUSTAKA Bayesan Networks BNs dapat memberkan nformas yang sederhana dan padat mengena nformas peluang. Berdasarkan komponennya BNs terdr dar Bayesan Structure (Bs) dan Bayesan Parameter (Bp) (Cooper
Lebih terperinciREGRESI DAN KORELASI. Penduga Kuadrat Terkecil. Penduga b0 dan b1 yang memenuhi kriterium kuadrat terkecil dapat ditemukan dalam dua cara berikut :
BAHAN AJAR EKONOMETRIKA AGUS TRI BASUKI UNIVERSITAS MUHAMMADIYAH YOGYAKARTA REGRESI DAN KORELASI Tujuan metode kuadrat terkecl adalah menemukan nla dugaan b0 dan b yang menghaslkan jumlah kesalahan kuadrat
Lebih terperinciAnalysis of Covariance (ANACOVA)
Analss of Covarance ANACOVA Bett Kash Paramtha Ihda Ihsana Gempur Safar Oleh: La Ftran Muhammad Alawdo Erma Aprlana Eka Setanngsh Prof Dr Sr Haratm Kartko Program Stud Statstka FMIPA Unverstas Gadah Mada
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciPemetaan Penyakit Demam Berdarah (DBD) Kota Makassar Dengan Penduga Empirical Bayes
Jurnal Matematka, Statstka & Komputas 1 Vol. 4 No. Januar 008 Pemetaan Penyakt Demam Berdarah (DBD) Kota Makassar Dengan Penduga Emprcal Bayes Ansa Abstrak Peneltan n mengkaj penggunaan model Emprcal Bayes
Lebih terperinciBAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB
BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Metode peneltan atau metodolog peneltan adalah strateg umum yang danut dalam mengumpulkan dan menganalss data yang dperlukkan, guna menjawab persoalan yang dhadap. Adapun rencana
Lebih terperinci