Lampiran 1. Daftar Isian Konsumen Air Rumah Tangga Selama Satu Hari. Nama Waktu Takaran Gayung Pagi
|
|
- Hendra Muljana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Lampiran 1. Daftar Isian Konsumen Air Rumah Tangga Selama Satu Hari Nama Waktu Takaran Gayung Pagi Siang Sore Malam
2 Lampiran 1. Lanjutan Kegiatan RT (mandi,mesak,cuci) Waktu Pagi Takaran Ember Siang Sore Malam
3 Lampiran 2. Kuisioner Penelitian KUISIONER INSTRUMEN PENELITIAN NILAI EKONOMI AIR RESAPAN HUTAN LINDUNG GUNUNG SINABUNG DAN TAMAN WISATA ALAM (TWA) DELENG LACUK UNTUK KEBUTUHAN SEKTOR RUMAH TANGGA (Studi kasus di Desa Kuta Gugung dan Desa Sigarang Garang, Kecamatan Naman Teran, Kabupaten Karo) Nama Reponden : Desa : Hari/tanggal : PENELITI NAMA PROGRAM STUDI : DEDEK WAHYUNI : MANAJEMEN HUTAN PROGRAM STUDI KEHUTANAN FAKULTAS PERTANIAN UNIVERSITAS SUMATERA UTARA 2011
4 Lampiran 2. Lanjutan Tujuan dari pengisian kuisioner (angket) ini adalah untuk mendapatkan data yang dibutuhkan selama penelitian. Oleh karena itu diharapkan kesediaan Bapak/Ibu/Saudara/I untuk memberikan informasi yang sebenarnya demi keakuratan dari penelitian ini. DAFTAR KUISIONER RUMAH TANGGA 1. Nama Kepala Keluarga : 2. Desa : 3. Berapa jumlah keseluruhan anggota keluarga yang tinggal menetap? (.. Orang) No Nama Jenis Kelamin Pendidikan Pekerjaan Pendapatan Per Bulan Dari anggota rumah tangga adakah yang memiliki pekerjaan tambahan? (tidak ada/ada) No Nama Pekerjaan Tambahan Pendapatan Per Bulan Dari manakah sumber air saudara? (Air resapan, Sumur, lain-lain)* *coret yang tidak perlu
5 Lampiran 2. Lanjutan 6. Jika berasal dari air resapan, berapa panjang dan lebar bak penampung air Anda? ( X..Meter) Berapa kali pengisian bak tersebut dalam sehari hingga penuh? (..kali) Berapa jarak rumah Anda ke sumebr air resapan tersebut? (..meter) 7.Bila Anda mengambil air dari mata air dan tempat pemandian umum. Berapakah waktu yang dibutuhkan untuk mencapai air tersebut? (..menit/jam*) 8.Bila Anda memperoleh air dari tempat pemandian umum, berapa lama waktu yang digunakan? (..menit/jam*) 9.a)Jika Anda memperoleh air dari air resapan. Berapa besar biaya yang dikeluarkan untuk penggunaan alat mengkonsumsi air dalam pengambilan air tersebut? (Rp.) b).adakah biaya lain yang dikeluarkan untuk mendapatkan air tersebut dalam setahun? (Jika ada, Rp..) 10. Apabila Anda tidak diperbolehkan melakukan MCK selama satu hari, baik di rumah maupun tempat lain Anda,memperoleh air. Berapakah Saudara Mau Membayar untuk dapat melakuakan hal itu? a. Rp 5000;-per hari b. Rp 3000;-per hari b. Rp 1000;-per hari b. Rp 500;-per hari 11. Berapakah Saudara bersedia membayar untuk mendapatkan segelas air untuk minum apabila anda dilarang minum? b. Rp 2000;-per hari b. Rp 1000;-per hari b. Rp 500;-per hari b. Rp 250;-per hari Keterangan: Pertanyaan 9 a dan b : Biaya pengadaan Pertanyaan : Metode kontingensi
6 Lampiran 4. Hasil Pengolahan Persamaan Regresi Minitab 1. Persamaan Linier a. Persamaan Regresi Pertama Y = 57,9-0,0112 X1 + 0, X2 + 19,8 X3-10,9 X4-1,60 X5 + 0,0025 X6 Constant 57,87 17,72 3,27 0,001 X1-0, , ,51 0,013 X2 0, , ,01 0,047 X3 19,783 1,559 12,69 0,000 X4-10,936 6,532-1,67 0,096 X5-1,5959 0,9337-1,71 0,090 X6 0, , ,23 0,820 S = 26,2328 R-Sq = 69,8% R-Sq(adj) = 68,5% Regression ,70 0,000 Residual Error Total X X X X X X Obs X1 Y Fit SE Fit Residual St Resid ,00 160,65 5,87 58,35 2,28R ,60 105,33 4,67 128,27 4,97R ,40 124,78 10,40 6,62 0,28 X ,00 144,64 6,67 65,36 2,58R ,50 242,05 10,28 13,45 0,56 X ,15 70,20 10,18-30,05-1,24 X ,60 177,03 5,20 56,57 2,20R ,15 176,62 7,37-63,47-2,52R ,60 139,54 5,80-51,94-2,03R ,50 10,13 12,38 15,37 0,66 X ,60 141,97 5,15-54,37-2,11R ,20 67,35 14,39-38,15-1,74 X ,00 125,51 2,92-52,51-2,01R ,30 142,82 4,93-62,52-2,43R R denotes an observation with a large standardized residual.
7 Lampiran 4. Lanjutan b. Persamaan Regresi Kedua Y = 58,2-0,0113 X1 + 0, X2 + 19,8 X3-10,8 X4-1,61 X5 Constant 58,17 17,61 3,30 0,001 X1-0, , ,53 0,013 X2 0, , ,04 0,043 X3 19,754 1,549 12,75 0,000 X4-10,764 6,466-1,66 0,098 X5-1,6147 0,9269-1,74 0,084 S = 26,1457 R-Sq = 69,8% R-Sq(adj) = 68,7% Regression ,07 0,000 Residual Error Total X X X X X Obs X1 Y Fit SE Fit Residual St Resid ,00 160,16 5,44 58,84 2,30R ,60 105,71 4,34 127,89 4,96R ,90 232,37 9,11 8,53 0,35 X ,00 144,45 6,60 65,55 2,59R ,50 241,68 10,11 13,82 0,57 X ,60 177,35 4,98 56,25 2,19R ,15 176,60 7,34-63,45-2,53R ,60 139,18 5,55-51,58-2,02R ,50 10,05 12,33 15,45 0,67 X ,60 142,33 4,88-54,73-2,13R ,20 67,62 14,30-38,42-1,76 X ,00 125,66 2,84-52,66-2,03R ,30 142,91 4,90-62,61-2,44R R denotes an observation with a large standardized residual. c. Persamaan Regresi Ketiga Y = 40,1-0,0114 X1 + 0, X2 + 19,8 X3-9,08 X4 Constant 40,06 14,32 2,80 0,006
8 X1-0, , ,53 0,012 X2 0, , ,11 0,036 X3 19,816 1,560 12,71 0,000 X4-9,076 6,438-1,41 0,161 S = 26,3298 R-Sq = 69,1% R-Sq(adj) = 68,3% Lampiran 4. Lanjutan Regression ,68 0,000 Residual Error Total X X X X Obs X1 Y Fit SE Fit Residual St Resid ,00 156,27 5,00 62,73 2,43R ,60 101,07 3,45 132,53 5,08R ,90 227,03 8,63 13,87 0,56 X ,00 143,59 6,62 66,41 2,61R ,30 102,45 8,99-22,15-0,89 X ,50 248,14 9,47 7,36 0,30 X ,60 173,31 4,44 60,29 2,32R ,15 180,49 7,05-67,34-2,65R ,50 4,88 12,05 20,62 0,88 X ,20 63,89 14,24-34,69-1,57 X ,75 109,88 5,29-55,13-2,14R ,00 126,12 2,84-53,12-2,03R ,30 132,23 5,46-51,93-2,02R ,30 148,30 3,83-68,00-2,61R ,70 121,50 3,91-55,80-2,14R R denotes an observation with a large standardized residual. d. Persamaan Regresi Keempat Y = 23,5-0,0119 X1 + 0, X2 + 19,6 X3 Constant 23,466 8,188 2,87 0,005 X1-0, , ,66 0,009 X2 0, , ,37 0,019 X3 19,584 1,556 12,59 0,000 S = 26,4192 R-Sq = 68,7% R-Sq(adj) = 68,1% Regression ,19 0,000 Residual Error
9 Total X X X Lampiran 4. Lanjutan Obs X1 Y Fit SE Fit Residual St Resid ,00 158,38 4,79 60,62 2,33R ,60 101,98 3,40 131,62 5,02R ,00 136,69 4,48 73,31 2,82R ,30 96,21 7,85-15,91-0,63 X ,50 250,51 9,35 4,99 0,20 X ,60 174,70 4,34 58,90 2,26R ,15 172,63 4,32-59,48-2,28R ,50 4,64 12,09 20,86 0,89 X ,20 68,24 13,95-39,04-1,74 X ,75 110,20 5,31-55,45-2,14R ,00 127,33 2,72-54,33-2,07R ,30 132,40 5,48-52,10-2,02R ,30 149,39 3,76-69,09-2,64R ,70 122,21 3,89-56,51-2,16R R denotes an observation with a large standardized residual. e. Persamaan Regresi Kelima Y = 27,3-0,0122 X1 + 21,2 X3 Constant 27,288 8,152 3,35 0,001 X1-0, , ,67 0,009 X3 21,222 1,415 14,99 0,000 S = 26,8319 R-Sq = 67,5% R-Sq(adj) = 67,1% Regression ,71 0,000 Residual Error Total X X Obs X1 Y Fit SE Fit Residual St Resid ,00 149,90 3,22 69,10 2,59R ,60 107,07 2,68 126,53 4,74R
10 ,90 214,75 6,63 26,15 1,01 X ,00 127,90 2,54 82,10 3,07R ,60 213,60 6,68 20,00 0,77 X ,50 238,08 7,86 17,42 0,68 X ,45 22,88 6,68 24,57 0,95 X ,60 174,44 4,41 59,16 2,24R ,15 173,91 4,36-60,76-2,29R ,50 5,12 12,28 20,38 0,85 X ,80 42,53 6,84 1,27 0,05 X ,60 141,57 4,07-53,97-2,03R Lampiran 4. Lanjutan ,75 113,41 5,21-58,66-2,23R ,00 128,90 2,68-55,90-2,09R ,30 137,96 5,02-57,66-2,19R ,30 152,65 3,56-72,35-2,72R ,70 128,96 2,69-63,26-2,37R R denotes an observation with a large standardized residual. 2.Persamaan Linier-Logaritma a. Persamaan Pertama Y = ,6 Ln X1 + 37,2 Ln X Ln X3-27,9 Ln X4-46,7 Ln X5 + 2,04 Ln X6 Constant -147,88 82,69-1,79 0,076 Ln X1-15,619 6,916-2,26 0,025 Ln X2 37,23 11,75 3,17 0,002 Ln X3 161,87 13,92 11,63 0,000 Ln X4-27,90 22,98-1,21 0,227 Ln X5-46,69 19,50-2,39 0,018 Ln X6 2,037 4,646 0,44 0,662 S = 27,7826 R-Sq = 66,1% R-Sq(adj) = 64,7% Regression ,20 0,000 Residual Error Total Ln X Ln X Ln X Ln X Ln X Ln X Obs Ln X1 Y Fit SE Fit Residual St Resid 16 2,59 219,00 162,76 6,04 56,24 2,07R 26 2,62 233,60 107,85 5,48 125,75 4,62R 48 2,66 210,00 147,46 7,17 62,54 2,33R 85 2,07 255,50 198,81 8,45 56,69 2,14R
11 110 3,32 47,45-8,77 8,11 56,22 2,12R 111 2,06 233,60 174,31 6,25 59,29 2,19R 128 2,97 29,20 38,34 13,02-9,14-0,37 X 132 3,22 54,75 109,30 5,50-54,55-2,00R 133 2,57 73,00 128,61 2,93-55,61-2,01R 139 2,21 80,30 141,10 5,39-60,80-2,23R R denotes an observation with a large standardized residual. Lampiran 4. Lanjutan b. Persamaan Regresi Kedua Y = ,7 Ln X1 + 37,8 Ln X Ln X3-26,5 Ln X4-47,4 Ln X5 Constant -147,18 82,44-1,79 0,076 Ln X1-15,669 6,896-2,27 0,025 Ln X2 37,80 11,64 3,25 0,001 Ln X3 161,48 13,86 11,65 0,000 Ln X4-26,50 22,70-1,17 0,245 Ln X5-47,40 19,38-2,45 0,016 S = 27,7040 R-Sq = 66,1% R-Sq(adj) = 64,9% Regression ,71 0,000 Residual Error Total Ln X Ln X Ln X Ln X Ln X Obs Ln X1 Y Fit SE Fit Residual St Resid 16 2,59 219,00 161,68 5,49 57,32 2,11R 26 2,62 233,60 108,93 4,88 124,67 4,57R 48 2,66 210,00 146,45 6,77 63,55 2,37R 85 2,07 255,50 197,80 8,11 57,70 2,18R 110 3,32 47,45-7,62 7,65 55,07 2,07R 111 2,06 233,60 174,98 6,04 58,62 2,17R 127 3,03 87,60 142,35 5,33-54,75-2,01R 128 2,97 29,20 38,28 12,99-9,08-0,37 X 133 2,57 73,00 128,47 2,91-55,47-2,01R 139 2,21 80,30 140,95 5,36-60,65-2,23R R denotes an observation with a large standardized residual.
12 c. Persamaan Regresi Ketiga Y = ,6 Ln X1 + 39,3 Ln X Ln X3-18,3 Ln X4 Constant -199,82 80,95-2,47 0,015 Ln X1-16,639 7,003-2,38 0,019 Ln X2 39,26 11,83 3,32 0,001 Ln X3 159,92 14,08 11,36 0,000 Ln X4-18,32 22,83-0,80 0,424 S = 28,1792 R-Sq = 64,7% R-Sq(adj) = 63,7% Regression ,87 0,000 Residual Error Total Ln X Ln X Ln X Ln X Obs Ln X1 Y Fit SE Fit Residual St Resid 16 2,59 219,00 155,04 4,85 63,96 2,30R 26 2,62 233,60 101,61 3,93 131,99 4,73R 48 2,66 210,00 145,72 6,88 64,28 2,35R 111 2,06 233,60 168,53 5,53 65,07 2,36R 120 2,20 113,15 169,93 7,35-56,78-2,09R 128 2,97 29,20 32,79 13,01-3,59-0,14 X 132 3,22 54,75 115,52 4,82-60,77-2,19R 133 2,57 73,00 129,84 2,90-56,84-2,03R 139 2,21 80,30 148,47 4,47-68,17-2,45R R denotes an observation with a large standardized residual. d. Persamaan Regresi Keempat Y = ,9 Ln X1 + 40,8 Ln X Ln X3 Constant -213,90 78,92-2,71 0,008 Ln X1-16,896 6,987-2,42 0,017 Ln X2 40,81 11,66 3,50 0,001 Ln X3 159,23 14,03 11,35 0,000 S = 28,1445 R-Sq = 64,5% R-Sq(adj) = 63,8%
13 Regression ,83 0,000 Residual Error Total Ln X Ln X Ln X Obs Ln X1 Y Fit SE Fit Residual St Resid 16 2,59 219,00 156,26 4,60 62,74 2,26R 26 2,62 233,60 101,98 3,90 131,62 4,72R Lampiran 4. Lanjutan 48 2,66 210,00 141,42 4,32 68,58 2,47R 111 2,06 233,60 169,60 5,36 64,00 2,32R 114 2,86 51,10 9,29 8,09 41,81 1,55 X 123 3,55 25,50-13,55 8,22 39,05 1,45 X 128 2,97 29,20 34,80 12,75-5,60-0,22 X 132 3,22 54,75 115,99 4,78-61,24-2,21R 133 2,57 73,00 130,62 2,73-57,62-2,06R 139 2,21 80,30 149,29 4,35-68,99-2,48R R denotes an observation with a large standardized residual. e. Persamaan Regresi Kelima Y = 50,6-17,4 Ln X Ln X3 Constant 50,56 23,75 2,13 0,035 Ln X1-17,413 7,249-2,40 0,018 Ln X3 179,01 13,33 13,43 0,000 S = 29,2096 R-Sq = 61,5% R-Sq(adj) = 61,0% Regression ,62 0,000 Residual Error Total Ln X Ln X Obs Ln X1 Y Fit SE Fit Residual St Resid 16 2,59 219,00 144,78 3,35 74,22 2,56R 26 2,62 233,60 112,67 2,51 120,93 4,16R 44 2,46 240,90 178,49 5,15 62,41 2,17R
14 48 2,66 210,00 129,45 2,74 80,55 2,77R 85 2,07 255,50 193,53 6,40 61,97 2,17R 106 2,84 29,20 1,19 8,04 28,01 1,00 X 110 3,32 47,45-7,31 8,00 54,76 1,95 X 111 2,06 233,60 165,92 5,45 67,68 2,36R 114 2,86 51,10 0,77 8,01 50,33 1,79 X 123 3,55 25,50-11,29 8,50 36,79 1,32 X 128 2,97 29,20-1,08 7,88 30,28 1,08 X 132 3,22 54,75 119,69 4,84-64,94-2,25R 139 2,21 80,30 151,39 4,47-71,09-2,46R 140 2,56 65,70 131,06 2,84-65,36-2,25R R denotes an observation with a large standardized residual. Lampiran 4. Lanjutan 3. Persamaan Logaritma-Linier a. Persamaan Pertama Ln Y = 1,79-0, X1-0, X2 + 0,0863 X3-0,0548 X4-0,00149 X5-0, X6 Constant 1, , ,02 0,000 X1-0, , ,20 0,002 X2-0, , ,10 0,918 X3 0, , ,14 0,000 X4-0, , ,99 0,048 X5-0, , ,38 0,705 X6-0, , ,35 0,724 S = 0, R-Sq = 68,7% R-Sq(adj) = 67,4% Regression 6 3, , ,96 0,000 Residual Error 142 1, ,01220 Total 148 5,53638 X1 1 1,10976 X2 1 0,55360 X3 1 2,08762 X4 1 0,04974 X5 1 0,00149 X6 1 0,00152 Obs X1 Ln Y Fit SE Fit Residual St Resid , , , , ,46R , , , , ,49 X
15 , , , , ,01 X , , , , ,87 X , , , , ,26R , , , , ,42R , , , , ,38 X , , , , ,48RX , , , , ,38R , , , , ,44R , , , , ,35R , , , , ,04R R denotes an observation with a large standardized residual. b. Persamaan Regresi Kedua Ln Y = 1,79-0, X1-0, X2 + 0,0864 X3-0,0560 X4-0,00137 X5 Constant 1, , ,14 0,000 X1-0, , ,20 0,002 X2-0, , ,13 0,894 Lampiran 4. Lanjutan X3 0, , ,25 0,000 X4-0, , ,05 0,042 X5-0, , ,35 0,727 S = 0, R-Sq = 68,7% R-Sq(adj) = 67,6% Regression 5 3, , ,71 0,000 Residual Error 143 1, ,01213 Total 148 5,53638 X1 1 1,10976 X2 1 0,55360 X3 1 2,08762 X4 1 0,04974 X5 1 0,00149 Obs X1 Ln Y Fit SE Fit Residual St Resid , , , , ,49R , , , , ,97 X , , , , ,03 X , , , , ,25R , , , , ,43R , , , , ,39 X , , , , ,47RX , , , , ,38R , , , , ,44R , , , , ,35R , , , , ,05R
16 R denotes an observation with a large standardized residual. c. Persamaan Ketiga Ln Y = 1,78-0, X1-0, X2 + 0,0865 X3-0,0545 X4 Constant 1, , ,73 0,000 X1-0, , ,22 0,002 X2-0, , ,12 0,907 X3 0, , ,30 0,000 X4-0, , ,03 0,044 S = 0, R-Sq = 68,6% R-Sq(adj) = 67,8% Regression 4 3, , ,83 0,000 Residual Error 144 1, ,01205 Total 148 5,53638 Lampiran 4. Lanjutan X1 1 1,10976 X2 1 0,55360 X3 1 2,08762 X4 1 0,04974 Obs X1 Ln Y Fit SE Fit Residual St Resid , , , , ,51R , , , , ,92 X , , , , ,10 X , , , , ,08 X , , , , ,28R , , , , ,46R , , , , ,34 X , , , , ,43RX , , , , ,41R , , , , ,47R , , , , ,38R , , , , ,06R R denotes an observation with a large standardized residual. d. Persamaan Regresi Keempat Ln Y = 1,68-0, X1 + 0, X2 + 0,0851 X3 Constant 1, , ,73 0,000 X1-0, , ,37 0,001 X2 0, , ,21 0,831
17 X3 0, , ,02 0,000 S = 0, R-Sq = 67,8% R-Sq(adj) = 67,1% Regression 3 3,7510 1, ,54 0,000 Residual Error 145 1,7854 0,0123 Total 148 5,5364 X1 1 1,1098 X2 1 0,5536 X3 1 2,0876 Obs X1 Ln Y Fit SE Fit Residual St Resid , , , , ,43R , , , , ,21R , , , , ,26 X , , , , ,20 X , , , , ,33R , , , , ,31 X , , , , ,66RX Lampiran 4. Lanjutan , , , , ,41R , , , , ,51R , , , , ,39R , , , , ,09R R denotes an observation with a large standardized residual. e. Persamaan Regresi Kelima Ln Y = 1,68-0, X1 + 0,0857 X3 Constant 1, , ,91 0,000 X1-0, , ,39 0,001 X3 0, , ,69 0,000 S = 0, R-Sq = 67,7% R-Sq(adj) = 67,3% Regression 2 3,7504 1, ,30 0,000 Residual Error 146 1,7860 0,0122 Total 148 5,5364 X1 1 1,1098 X3 1 2,6407
18 Obs X1 Ln Y Fit SE Fit Residual St Resid , , , , ,41R , , , , ,45 X , , , , ,23R , , , , ,52 X , , , , ,13 X , , , , ,34R , , , , ,44 X , , , , ,31 X , , , , ,61 X , , , , ,20R , , , , ,42R , , , , ,52R , , , , ,41R , , , , ,11R R denotes an observation with a large standardized residual. 4. Persamaan Logaritma-Logaritma a. Persamaan Pertama Ln Y = 1,34-0,0462 Ln X1 + 0,0660 Ln X2 + 0,791 Ln X3-0,149 Ln X4-0,0924 Ln X5-0,0036 Ln X6 Lampiran 4. Lanjutan Constant 1,3423 0,3043 4,41 0,000 Ln X1-0, , ,81 0,072 Ln X2 0, , ,53 0,129 Ln X3 0, , ,44 0,000 Ln X4-0, , ,76 0,080 Ln X5-0, , ,29 0,200 Ln X6-0, , ,21 0,832 S = 0, R-Sq = 73,2% R-Sq(adj) = 72,0% Regression 6 4, , ,58 0,000 Residual Error 142 1, ,01046 Total 148 5,53638 Ln X1 1 0,72598 Ln X2 1 0,81050 Ln X3 1 2,46948 Ln X4 1 0,02818 Ln X5 1 0,01698 Ln X6 1 0,00047
19 Obs Ln X1 Ln Y Fit SE Fit Residual St Resid 26 2,62 2, , , , ,64R 110 3,32 1, , , , ,03R 120 2,20 2, , , , ,08R 127 3,03 1, , , , ,02R 128 2,97 1, , , , ,09 X 132 3,22 1, , , , ,97R 133 2,57 1, , , , ,17R 139 2,21 1, , , , ,46R 140 2,56 1, , , , ,36R 141 2,53 1, , , , ,19R R denotes an observation with a large standardized residual. b. Persamaan Kedua Ln Y = 1,34-0,0461 Ln X1 + 0,0650 Ln X2 + 0,792 Ln X3-0,152 Ln X4-0,0912 Ln X5 Constant 1,3411 0,3033 4,42 0,000 Ln X1-0, , ,82 0,071 Ln X2 0, , ,52 0,131 Ln X3 0, , ,53 0,000 Ln X4-0, , ,82 0,071 Ln X5-0, , ,28 0,203 S = 0, R-Sq = 73,2% R-Sq(adj) = 72,2% Lampiran 4. Lanjutan Regression 5 4, , ,01 0,000 Residual Error 143 1, ,01039 Total 148 5,53638 Ln X1 1 0,72598 Ln X2 1 0,81050 Ln X3 1 2,46948 Ln X4 1 0,02818 Ln X5 1 0,01698 Obs Ln X1 Ln Y Fit SE Fit Residual St Resid 26 2,62 2, , , , ,66R 110 3,32 1, , , , ,04R 120 2,20 2, , , , ,10R 128 2,97 1, , , , ,09 X 132 3,22 1, , , , ,99R 133 2,57 1, , , , ,18R 139 2,21 1, , , , ,47R 140 2,56 1, , , , ,36R 141 2,53 1, , , , ,21R
20 R denotes an observation with a large standardized residual. c. Persamaan Ketiga Ln Y = 1,24-0,0480 Ln X1 + 0,0678 Ln X2 + 0,789 Ln X3-0,136 Ln X4 Constant 1,2398 0,2934 4,23 0,000 Ln X1-0, , ,89 0,061 Ln X2 0, , ,58 0,116 Ln X3 0, , ,46 0,000 Ln X4-0, , ,64 0,102 S = 0, R-Sq = 72,9% R-Sq(adj) = 72,1% Regression 4 4,0341 1, ,67 0,000 Residual Error 144 1,5023 0,0104 Total 148 5,5364 Ln X1 1 0,7260 Ln X2 1 0,8105 Ln X3 1 2,4695 Ln X4 1 0,0282 Lampiran 4. Lanjutan Obs Ln X1 Ln Y Fit SE Fit Residual St Resid 26 2,62 2, , , , ,77R 110 3,32 1, , , , ,01R 114 2,86 1, , , , ,00R 120 2,20 2, , , , ,19R 128 2,97 1, , , , ,97 X 132 3,22 1, , , , ,09R 133 2,57 1, , , , ,20R 134 3,14 1, , , , ,08R 139 2,21 1, , , , ,59R 140 2,56 1, , , , ,47R 141 2,53 1, , , , ,23R R denotes an observation with a large standardized residual. d. Persamaan Keempat Ln Y = 1,14-0,0499 Ln X1 + 0,0793 Ln X2 + 0,784 Ln X3
21 Constant 1,1353 0,2881 3,94 0,000 Ln X1-0, , ,96 0,052 Ln X2 0, , ,86 0,064 Ln X3 0, , ,30 0,000 S = 0, R-Sq = 72,4% R-Sq(adj) = 71,8% Regression 3 4,0060 1, ,51 0,000 Residual Error 145 1,5304 0,0106 Total 148 5,5364 Ln X1 1 0,7260 Ln X2 1 0,8105 Ln X3 1 2,4695 Obs Ln X1 Ln Y Fit SE Fit Residual St Resid 26 2,62 2, , , , ,72R 48 2,66 2, , , , ,07R 114 2,86 1, , , , ,91 X 123 3,55 1, , , , ,58 X 128 2,97 1, , , , ,12 X 132 3,22 1, , , , ,11R 133 2,57 1, , , , ,24R 134 3,14 1, , , , ,09R 139 2,21 1, , , , ,64R 140 2,56 1, , , , ,48R 141 2,53 1, , , , ,24R R denotes an observation with a large standardized residual. e. Persamaan Kelima (Model Terpilih) Ln Y = 1,65-0,0509 Ln X1 + 0,822 Ln X3 Constant 1, , ,57 0,000 Ln X1-0, , ,98 0,050 Ln X3 0, , ,38 0,000 S = 0, R-Sq = 71,7% R-Sq(adj) = 71,3% Regression 2 3,9693 1, ,90 0,000 Residual Error 146 1,5671 0,0107 Total 148 5,5364
22 Ln X1 1 0,7260 Ln X3 1 3,2433 Obs Ln X1 Ln Y Fit SE Fit Residual St Resid 26 2,62 2, , , , ,47R 48 2,66 2, , , , ,27R 106 2,84 1, , , , ,40 X 110 3,32 1, , , , ,97 X 114 2,86 1, , , , ,06RX 123 3,55 1, , , , ,62 X 128 2,97 1, , , , ,33 X 131 2,17 1, , , , ,04R 132 3,22 1, , , , ,15R 133 2,57 1, , , , ,23R 134 3,14 1, , , , ,20R 139 2,21 1, , , , ,65R 140 2,56 1, , , , ,67R 141 2,53 1, , , , ,41R R denotes an observation with a large standardized residual.
23 Lampiran 5. Uji Kenormalan dan Heterokedasitas Model pada Minitab 1. Persamaan Linier Residual Plots for Y Percent 99, Normal Probability Plot Residual Versus Fits 1 0, Residual Fitted Value Frequency Histogram Residual Residual Versus Order Observation Order Persamaan Linier Logaritma Residual Plots for Y Percent 99, Normal Probability Plot Residual Versus Fits 1 0, Residual Fitted Value Frequency Histogram Residual Residual Versus Order Observation Order
24 3. Persamaan Logaritma-Linier Residual Plots for Ln Y Normal Probability Plot Versus Fits 99,9 99 0,4 Percent Residual 0,2 0,0 1-0,2 0,1-0,4-0,2 0,0 Residual 0,2 0,4 1,50 1,75 2,00 Fitted Value 2,25 2,50 30 Histogram 0,4 Versus Order Frequency ,2-0,1 0,0 0,1 Residual 0,2 0,3 0,4 Residual 0,2 0,0-0, Observation Order Persamaan Logaritma-Logaritma
25 Residual Plots for Ln Y 99,9 99 Normal Probability Plot 0,4 Versus Fits Percent Residual 0,2 0,0-0,2 0,1-0,4-0,2 0,0 Residual 0,2 0,4 1,50 1,75 2,00 Fitted Value 2,25 2,50 30 Histogram 0,4 Versus Order Frequency ,3-0,2-0,1 0,0 0,1 Residual 0,2 0,3 Residual 0,2 0,0-0, Observation Order
26 Lampiran 6. Model Terpilih Pendugaan Konsumsi Air Rumah Tangga 1. Persamaan konsumsi air rumah tangga (Persamaan Logaritma-logaritma no.5) Ln Y = 1,65-0,0509 Ln X1 + 0,822 Ln X3 Ln Y = 1,65-0,0509 Ln X1 + 0,822 Ln (4,26) Ln Y = 1,65-0,0509 Ln X1 + 0,822 (1,449) Ln Y = 1,65-0,0509 Ln X1 + 1,191 Ln Y = 2, ,0509 Ln X1 Y = (2,71828) 2, ,0509 Ln X1 = 17,14-0,0509 Ln X1 Y = 17,14 X1-0, Dengan kata lain nilai X1 berdasarkan model terpilih adalah: 0,0509 Ln X1 = 2, Ln Y Ln X1 = 2, , ,0509 Ln Y Ln X1 = 55,821 19,646 Ln Y X1 = (2,71828) 55,821 19,646 Ln Y X1 =174, Y -19, Persamaan nilai manfaat air: Y Max Y min NMAi = [ F (X 1 )] + Hmaks + Ymin Y maks Y min F (X1) = 174, Y -19,646 = [ 1, Y 19, , ] Y Maks Y Min = [ 93, Y 18,646 Y Maks ] Y Min = { 93, (Y maks ) 18,646 } - { 93, (Y min ) 18,646 } = 93, (Ymin) -18,646 93, (Ymaks) -18,646
27 Lampiran 7. Nilai Manfaat Air dari Konsumen Air Rumah Tangga di Resapan Air Hutan Gunung Sinabung dan TWA Deleng Lancuk. No H mini H maksi Y maksi Y mini NMA i BKA i SKA i (Rp/m3) (Rp/m3) (m3/thn) (m3/thn) (Rp/m3) (Rp/m3) (Rp/m3) 1 886,4 4411,8 12,1 11, , , , ,4 6818,2 13,3 10, ,0 1985, , , ,6 12,9 10, ,2 3369, , ,4 6666,7 13,2 10, ,1 2173, , , ,1 12,2 10, , , , , ,0 12,6 10, ,0 5185, , , ,1 11,9 10, , , , ,0 9090,9 12,9 10, ,2 3528, , , ,1 12,9 10, ,5 3528, , , ,4 12,1 10, , , , , ,3 13,3 10, ,3 2009, , ,0 7894,7 12,3 10, ,8 8840, , ,0 4687,5 12,2 11, , , , , ,1 13,2 10, ,1 2334, , , ,0 11,9 10, , , , ,1 2500,0 12,7 11, ,4 4911, , ,3 5799,8 12,0 11, , , , ,6 5555,6 13,1 11, ,5 2401, , ,5 6250,0 12,2 11, ,2 9416, , , ,7 12,1 10, , , , ,3 3448,3 12,8 11, ,6 3874, , ,9 4166,7 12,3 11, ,3 8420, , ,0 7142,9 12,9 10, ,6 3528, , , ,0 11,8 10, , , , ,0 4761,9 12,2 11, , , , ,5 3125,0 12,6 11, ,8 5287, , ,4 6250,0 13,1 11, ,0 2472, , , ,7 13,1 10, ,9 2401, , ,1 4545,5 12,3 11, ,7 8783, , ,4 2058,8 12,0 11, , , , ,6 3125,0 12,1 11, , , , ,9 7500,0 12,1 10, , , , ,7 7692,3 12,0 10, , , , ,9 7407,4 12,6 10, ,7 5124, , ,3 5000,0 13,0 11, ,0 2968, , ,9 7142,9 12,3 10, ,2 8990, , , ,7 12,1 10, , , , ,5 5882,4 12,2 11, ,9 9357, , , ,1 12,5 10, ,2 5730, ,7
28 Lampiran 7. Lanjutan No H mini H maksi Y maksi Y mini NMA i BKA i SKA i (Rp/m3) (Rp/m3) (m3/thn) (m3/thn) (Rp/m3) (Rp/m3) (Rp/m3) ,5 2777,8 13,0 11, ,5 3155, , , ,0 12,2 10, ,4 9217, , , ,6 12,1 10, , , , ,8 2381,0 12,2 11, ,8 9557, , ,6 2272,7 12,8 11, ,7 3731, , ,7 3125,0 12,5 11, ,8 6408, , , ,3 12,3 10, ,6 8840, , , ,7 11,9 10, , , , ,4 2607,1 12,6 11, ,9 5680, , , ,1 12,2 10, ,1 9824, , , ,3 12,6 10, ,6 4950, , ,2 9756,1 12,3 10, ,2 8225, , ,3 4411,8 11,8 11, , , , ,9 3125,0 12,3 11, ,1 8420, , ,2 4166,7 12,1 11, , , , , ,7 12,4 10, ,0 7274, , ,2 2187,5 12,2 11, , , , , ,7 12,1 10, , , , ,4 3125,0 12,2 11, ,2 9911, , , ,7 12,3 10, ,1 8039, , , ,3 11,9 10, , , , ,6 4166,7 12,0 11, , , , ,9 3333,3 12,0 11, , , , ,5 2500,0 12,1 11, , , , , ,8 12,1 10, , , , , ,2 12,9 10, ,0 3636, , , ,0 12,1 10, , , , ,0 5882,4 11,8 11, , , , , ,6 12,0 10, , , , ,1 5882,4 12,4 11, ,9 7003, , ,3 3125,0 12,7 11, ,8 4877, , , ,7 12,2 10, ,8 9557, , ,5 5278,4 13,7 11, ,9 1091, , ,5 5357,1 12,1 11, , , , ,3 9090,9 12,1 10, , , , ,8 9615,4 12,7 10, ,5 4679, , , ,5 12,1 10, , , , ,9 7692,3 12,1 10, , , , ,7 9530,0 13,3 10, ,4 2076, , , ,1 13,1 10, ,2 2453, ,7
29 Lampiran 7. Lanjutan No H mini H maksi Y maksi Y mini NMA i BKA i SKA i (Rp/m3) (Rp/m3) (m3/thn) (m3/thn) (Rp/m3) (Rp/m3) (Rp/m3) , ,9 12,5 10, ,9 5873, , , ,0 12,8 10, ,7 3863, , , ,3 13,8 10, ,7 946, , , ,0 12,2 10, ,5 9416, , , ,5 12,2 10, ,2 9416, , ,4 7142,9 13,4 10, ,0 1579, , , ,2 12,0 10, , , , ,0 5555,6 12,3 11, ,5 8863, , , ,0 12,1 9, , , , ,0 6250,0 12,2 11, , , , ,4 8333,3 12,0 10, , , , ,8 3571,4 13,0 11, ,8 3048, , ,2 8695,7 13,0 10, ,3 3090, , , ,9 12,2 10, ,2 9066, , , ,8 12,4 10, ,8 6960, , , ,6 12,6 10, ,8 5263, , , ,4 13,2 9, ,3 2118, , ,3 8000,0 12,1 10, , , , , ,5 12,2 10, ,3 9645, , ,4 9375,0 12,2 10, ,5 9911, , ,6 7894,7 11,9 10, , , , ,3 6818,2 12,1 10, , , , , ,7 12,0 10, , , , , ,0 11,8 10, , , , , ,5 12,7 10, ,6 4404, , , ,5 12,4 10, ,4 7557, , , ,0 12,3 10, ,7 8420, , , ,4 12,9 10, ,2 3237, , , ,6 12,9 10, ,4 3270, , ,9 4545,5 12,4 11, ,5 7106, , , ,5 11,6 10, , , , ,6 4687,5 13,5 11, ,2 1555, , , ,6 12,9 10, ,4 3270, , , ,7 12,7 10, ,6 4636, , , ,6 12,3 10, ,4 8876, , , ,0 13,0 10, ,0 2855, , , ,7 11,6 10, , , , , ,0 11,9 10, , , , ,8 8416,6 12,4 10, ,3 7058, , ,7 8333,3 12,7 10, ,6 4774, ,4
30 Lampiran 7. Lanjutan No H mini H maksi Y maksi Y mini NMA i BKA i SKA i (Rp/m3) (Rp/m3) (m3/thn) (m3/thn) (Rp/m3) (Rp/m3) (Rp/m3) ,1 6451,6 13,2 11, ,3 2106, , , ,7 13,0 10, ,4 3133, , ,8 8333,3 11,9 10, , , , , ,6 11,3 10, , , , , ,1 11,8 10, , , , ,4 6818,2 11,8 10, , , , , ,7 11,6 10, , , , ,1 8333,3 12,0 10, , , , , ,0 12,1 10, , , , ,0 5555,6 13,3 11, ,2 1827, , ,4 5882,4 13,1 11, ,2 2535, , ,4 6818,2 13,3 10, ,0 1985, , , ,3 11,8 10, , , , , ,0 12,7 10, ,7 4691, , ,9 9090,9 11,9 10, , , , , ,2 12,6 10, ,7 5006, , , ,1 13,4 10, ,9 1726, , , ,1 12,7 10, ,3 4538, , ,5 8000,0 12,6 10, ,2 5119, , ,9 9090,9 13,2 10, ,4 2141, , , ,1 12,7 10, ,2 4636, , , ,0 12,7 10, ,5 4361, , ,9 9302,3 12,9 10, ,7 3294, , , ,0 12,2 10, ,7 9018, , , ,7 13,3 10, ,9 1929, , ,9 2000,0 13,2 11, ,5 2241, , ,6 2500,0 13,9 11, ,5 856, , ,2 3125,0 13,0 11, ,2 3003, , ,4 5882,4 11,8 11, , , , , ,7 11,7 10, , , ,6 Total , ,5 1855,8 1606, , , ,6 Ratarata 715, ,6 12,5 10, ,1 8670, ,0
31 Lampiran 8. Dokumentasi Penelitian di Kawasan Resapan Air Hutan Lindung Gunung Sinabung dan Taman Wisata Alam (TWA) Deleng Lancuk (a) (b)
32 Lampiran 6. Lanjutan Gambar 1. Keadaan Umum Lokasi Penelitian: (a) Hutan lindung Gunung Sinabung, (b) Taman Wisata Alam Deleng Lancuk tampak atas, (c) Wawancara dengan masyarakat. (a)
33 Lampiran 6. Lanjutan (b) Gambar 2. Konsumsi Air Rumah Tangga di Sarana Pemandian Umum: (a) Air untuk kebutuhan minum, (b) Air untuk kebutuhan cuci. (a)
34 Lampiran 6. Lanjutan (b) Gambar 3. Peralatan untuk Mengkonsumsi Air: (a) Ember 19 liter, (b) Ember 40 liter. (a)
35 Lampiran 6. Lanjutan (b) (c) Gambar 3. Sumber Air Kebutuhan Rumah Tangga Masyarakat: (a) Aliran air Lau Kawar, (b) Air resapan, (c) Pemandian air resapan.
36
Jumlah tanggungan (org) Lama bekerja di kawasan TWA (thn)
LAMPIRAN 88 Lampiran 1. Data Responden Masyarakat Desa Karang Tengah 11 No Jenis pekerjaan Jenis kelamin (L=1 ; P=) Umur (thn) Lama pendidikan (thn) Jumlah tanggungan (org) Lama bekerja di kawasan TWA
Lebih terperinciLAMPIRAN. Lampiran 1. Kuesioner untuk Pengunjung
LAMPIRAN Lampiran 1. Kuesioner untuk Pengunjung Kuesioner penelitian: Penilaian Ekonomi dan Prospek Pengembangan Wisata TWA Gunung Pancar. Oleh: Devina Marcia Rumanthy Sihombing (H44070045). Departemen
Lebih terperinciPencilan. Pencilan adalah pengamatan yang nilai mutlak sisaannya jauh lebih besar daripada sisaan-sisaan lainnya
Pencilan Pencilan adalah pengamatan yang nilai mutlak sisaannya jauh lebih besar daripada sisaan-sisaan lainnya Bisa jadi terletak pada tiga atau empat simpangan baku atau lebih jauh lagi dari rata-rata
Lebih terperinciNILAI EKONOMI AIR RESAPAN HUTAN LINDUNG GUNUNG SINABUNG DAN TWA DELENG LANCUK UNTUK KEBUTUHAN SEKTOR RUMAH TANGGA SKRIPSI. Oleh:
NILAI EKONOMI AIR RESAPAN HUTAN LINDUNG GUNUNG SINABUNG DAN TWA DELENG LANCUK UNTUK KEBUTUHAN SEKTOR RUMAH TANGGA SKRIPSI Oleh: Dedek Wahyuni 081201032 Manajemen Hutan PROGRAM STUDI KEHUTANAN FAKULTAS
Lebih terperinciLampiran 1. Harga Beberapa Komoditas Pertanian Jawa Barat Per tanggal 31 Juli 2009
Lampiran 1. Harga Beberapa Komoditas Pertanian Jawa Barat Per tanggal 31 Juli 2009 No Komoditas Harga Per Kg 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Bawang Daun Brokoli Bawang Merah Bawang Putih Buncis
Lebih terperinciOleh: KELOMPOK SOYA E46. Ahmad Mukti Almansur Batara Manurung Ika Novi Indriyati Indana Saramita Rachman Sali Subakti Tri Wulandari
TUGAS KELOMPOK METODE KUANTITATIF MANAJEMEN Oleh: KELOMPOK SOYA E46 Ahmad Mukti Almansur Batara Manurung Ika Novi Indriyati Indana Saramita Rachman Sali Subakti Tri Wulandari Dosen: Lukytawati Anggraeni,
Lebih terperinciLampiran 1 Deskripsi Statistik Variabel Fungsi Permintaan TMR Tahun 2011
LAMPIRAN 08 Lampiran Deskripsi Statistik Variabel Fungsi Permintaan TMR Tahun 20 Variabel N Rata-rata Minimum Maksimum Standar Deviasi Y 00 3,0 60 6,996 TC 00 54005 5000 400000 74965,665 I 00 25338000
Lebih terperinciAswin Pratama a*, Siti Latifah b, Yunus Afifuddin b. Medan (Korespondensi Penulis, Kampus USU Medan 20155
Analisis Pendugaan Konsumsi Air dan Nilai Ekonomi Air Sungai Parsariran untuk Kebutuhan Sektor Rumah Tangga (Studi Kasus di Desa Hapesong Baru, Kecamatan Batang Toru, Kabupaten Tapanuli Selatan) Analysis
Lebih terperinciLampiran 1. Distribusi Nilai WTP Responden Terhadap Paket Wisata Jogging Track Plus
Lampiran 1. Distribusi Nilai WTP Responden Terhadap Paket Wisata Jogging Track Plus WTP Jumlah Responden Persentase WTPx ΣResponden NO. (Rp) (orang) (%) (Rp) 1 3 6 11,3 18 2 35 6 11,3 21 3 4 2 3,8 8 4
Lebih terperinciLAMPIRAN. Lampiran 1. Tipe Penggunaan Lahan di Kabupaten Bogor
LAMPIRAN Lampiran 1. Tipe Penggunaan Lahan di Kabupaten Bogor No Penggunaan lahan No Reklasifikasi Penggunaan Lahan 1 Tanah Kosong diperuntukkan 1 Tanah kosong 2 Tanah rusak (Terlantar/Rusak/Galian) 3
Lebih terperinciLampiran 1. No. Alat dan Bahan Spesifikasi Unit/Satuan Pemeliharaan dan Percobaan Pengambilan dan Pembuatan Preparat Pengukuran Parameter
LAMPIRAN 4 Lampiran. Alat dan Bahan yang Digunakan pada Penelitian No. Alat dan Bahan Spesifikasi Unit/Satuan Pemeliharaan dan Percobaan. Akuarium pemeliharaan 00 x 4 x 4 cm 2/- 2. Akuarium pemeliharaan
Lebih terperinciDAFTAR PERTANYAAN KARAKTERISTIK PENGUNJUNG TAMAN WISATA ALAM TANGKUBAN PERAHU
32 Lampiran 1 DAFTAR PERTANYAAN KARAKTERISTIK PENGUNJUNG TAMAN WISATA ALAM TANGKUBAN PERAHU A. Data Pribadi Responden 1. Nomor responden :.. 2. Jenis kelamin :.. 3. Umur :.. 4. Pendidikan tertinggi :..
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh
STK511 Analisis Statistika Pertemuan 4 Sebaran Penarikan Contoh Konsep Dasar Suatu statistik, misalnya, adalah fungsi dari peubah acak sering kita tulis. Idea dasaranya : Karena adalah peubah acak, maka
Lebih terperinciLampiran 1. Kuisioner Penelitian
Lampiran 1. Kuisioner Penelitian INSTITUT PERTANIAN BOGOR FAKULTAS EKONOMI DAN MANAJEMEN DEPARTEMEN EKONOMI SUMBERDAYA DAN LINGKUNGAN Jl. Kamper Level 5 Wing 5 Kampus IPB Darmaga Bogor (16680) Telp. (0251)
Lebih terperincihomogen jika titik-titik tersebar secara merata atau seimbang baik di atas maupun dibawah garis, dengan maksimum ragam yang kecil.
8 koefisien regresi berganda dari variabel tak bebas Y terhadap variabel bebas Xi. Pada kasus ini, persamaan mengandung arti sebagai berikut, seperti yang telah dimodelkan Merdun (23) di Sungai Saluda,
Lebih terperinciMetode Statistika Pertemuan XII. Analisis Korelasi dan Regresi
Metode Statistika Pertemuan XII Analisis Korelasi dan Regresi Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran variabel Pemodelan Keterkaitan Relationship vs Causal Relationship
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN Bab ini akan menguraikan proses, hasil serta pembahasan dari pengolahan data yang telah dilakukan. Analisis pengolahan data dilakukan dengan mengggunakan software Minitab
Lebih terperinciBAB 6 KESIMPULAN. X 1 = faktor kecepatan X 2 = faktor tekanan X 3 = faktor suhu. 0,4583 X 1 X 2, dimana:
BAB 6 KESIMPULAN 6.. Kesimpulan Dari penelitian yang telah dilakukan, maka kesimpulan yang diperoleh sebagai berikut:. Berdasarkan proses brainstorming, wawancara dan hasil penyebaran kuesioner awal diperoleh
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN 5.1. KESIMPULAN 1. Daerah yang menjadi titik peramalan Pemodelan Prediksi Penyebaran Polutan Kali Surabaya terletak pada segmen Muara Kali Tengah sampai dengan Pintu Dam Gunungsari.
Lebih terperinciLampiran 1. Peta Tempat Pengambilan Data Waduk Cirata Kecamatan Mande Kabupaten Cianjur. (Sumber : Googlemaps.com, 2013)
71 Lampiran 1. Peta Tempat Pengambilan Data Waduk Cirata Kecamatan Mande Kabupaten Cianjur (Sumber : Googlemaps.com, 2013) Lampiran 2. Kuisioner Penelitian 72 73 74 75 NO Lampiran 3. Produksi Ikan Mas
Lebih terperinciAPLIKASI FUNGSI PRODUKSI COBB-DOUGLAS DALAM MENESTIMASI PENDAPATAN PAJAK HOTEL KOTA SURAKARTA BERDASARKAN JUMLAH TENAGA KERJA DAN PENGUNJUNG HOTEL
APLIKASI FUNGSI PRODUKSI COBB-DOUGLAS DALAM MENESTIMASI PENDAPATAN PAJAK HOTEL KOTA SURAKARTA BERDASARKAN JUMLAH TENAGA KERJA DAN PENGUNJUNG HOTEL UNG GARBA SKRIPSI: ditulis dan diajukan untuk memenuhi
Lebih terperinciLAMPIRAN A RANCANGAN DAN ANALISIS PERCOBAAN DENGAN METODE RESPONSE SURFACE MENGGUNAKAN MINITAB 16 SOFTWARE
LAMPIRAN A RANCANGAN DAN ANALISIS PERCOBAAN DENGAN METODE RESPONSE SURFACE MENGGUNAKAN MINITAB 16 SOFTWARE LA-1 Rancangan Percobaan Optimasi Hidrolisis Selulosa dari Tandan Kosong Kelapa Sawit Rancangan
Lebih terperinciProgram Magister Manajemen dan Bisnis Institut Pertanian Bogor 2014
TUGAS Metode Kuantitatif Manajemen Analisis Regresi pada Data Penjualan Tahunan Lezat Fried Chicken (LFC) Disusun sebagai Tugas Akhir Triwulan I Mata Kuliah Metode Kuantitatif Manajemen Disusun Oleh :
Lebih terperinciLAMPIRAN A. Daftar Riwayat Hidup. Kartu Mata Kuliah. Surat Keterangan Survey Tugas Akhir
111 LAMPIRAN A Daftar Riwayat Hidup Kartu Mata Kuliah Surat Keterangan Survey Tugas Akhir SURAT KETERANGAN SURVEY TUGAS AKHIR 114 115 LAMPIRAN B Faktor Batas Kendali Peta Variabel FAKTOR BATAS KENDALI
Lebih terperinciANGKA BENTUK DAN MODEL VOLUME PUSPA (Schima wallichii (DC.) KORTH) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT FIRDHA JULIANTARI
ANGKA BENTUK DAN MODEL VOLUME PUSPA (Schima wallichii (DC.) KORTH) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT FIRDHA JULIANTARI MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciTabel Perhitungan Waktu Standar
waktu baku = = waktu 3,39 normal 100 % 100 % 17 % 100 % 100 % % allowance = 4,08 menit /container. Tabel Perhitungan Waktu Standar No 1 2 3 Proses Kerja Memindakan container dari tanah ke truk (L1) Memindakan
Lebih terperinciRancangan Acak Lengkap. Created by : Ika Damayanti, S.Si, M.Si
Rancangan Acak Lengkap Created b : Ika Damaanti, S.Si, M.Si RAL (Rancangan Acak Lengkap) Desain dimana perlakuan dikenakan sepenuhna secara acak kepada unit- unit eksperimen. Desain ini dapat digunakan
Lebih terperinciAnalisis Regresi 1. Model-model Regresi yang Lebih Lanjut. Pokok Bahasan : Itasia & Y Angraini Dep. STK FMIPA-IPB
Analisis Regresi Pokok Bahasan : Model-model Regresi yang Lebih Lanjut Itasia & Angraini Dep. STK FMIPA-IPB Macam-macam Model Regresi Model Regresi peubah penjelas > peubah penjelas Sederhana Berganda
Lebih terperinciPengaruh Suku Bunga, Inflasi dan Kurs terhadap Perkembangan Harga Saham PT. Telkom Tbk Menggunakan Analisis Regresi
Pengaruh Suku Bunga, Inflasi dan Kurs terhadap Perkembangan Harga Saham PT. Telkom Tbk Menggunakan Analisis Regresi Novita Homer 1, Jantje D. Prang 2, Nelson Nainggolan 3 1 Program Studi Matematika, FMIPA,
Lebih terperinciLampiran 1. Struktur Organisasi PTP Nusantara VIII Kebun Cianten
LAMPIRAN 71 Lampiran 1. Struktur Organisasi PTP Nusantara VIII Kebun Cianten 72 Lampiran 2. Spesifikasi persyaratan mutu teh hitam (SNI 01-1902-1995) No. Jenis Uji Satuan Spesifikasi 1 Kadar air % b/b
Lebih terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciBAB 11 ANALISIS REGRESI LINIER BERGANDA
BAB 11 ANALISIS REGRESI LINIER BERGANDA Selain regresi linier sederhana, metode regresi yang juga banyak digunakan adalah regresi linier berganda. Regresi linier berganda digunakan untuk penelitian yang
Lebih terperinciMODEL ALOMETRIK BIOMASSA PUSPA (Schima wallichii Korth.) BERDIAMETER KECIL DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI RENDY EKA SAPUTRA
MODEL ALOMETRIK BIOMASSA PUSPA (Schima wallichii Korth.) BERDIAMETER KECIL DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI RENDY EKA SAPUTRA DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN
Lebih terperinciBAB SIMULASI PERHITUNGAN HARGA BARANG. Bab 4 Simulasi Perhitungan Harga barang berisikan :
BAB SIMULASI PERHITUNGAN HARGA BARANG Bab Simulasi Perhitungan Harga barang berisikan :.. Simulasi peramalan nilai Indeks Harga Konsumen (IHK) melalui metode ARIMA.. Prediksi nilai inflasi tahun 0.3. Prediksi
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 10 Analisis Korelasi & Regresi (1)
STK511 Analisis Statistika Pertemuan 10 Analisis Korelasi & Regresi (1) Analisis Hubungan Jenis/tipe hubungan Ukuran Keterkaitan Skala pengukuran peubah Pemodelan Keterkaitan anang kurnia (anangk@apps.ipb.ac.id)
Lebih terperinciMODEL PENDUGA BIOMASSA POHON AGATHIS (Agathis loranthifolia) BERDIAMETER KECIL DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT MUSTOFA
MODEL PENDUGA BIOMASSA POHON AGATHIS (Agathis loranthifolia) BERDIAMETER KECIL DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT MUSTOFA DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN
Lebih terperinciLAPORAN PRAKTIKUM. Mata Kuliah : Penerapan Komputer Tanggal : 21 Desember Nama : Desi Aryanti Dosen : Ir. Rini Herlina M.S
LAPORAN PRAKTIKUM Mata Kuliah : Penerapan Komputer Tanggal : 21 Desember 2009 Nama : Desi Aryanti Dosen : Ir. Rini Herlina M.S NRP : D14070066 Asisten Dosen : 1. Revan M. 2. Ratu Fika Hertaviani KORELASI
Lebih terperinciLampiran 1. Berbagai Jenis Salak Di Indonesia
LAMPIRAN - LAMPIRAN Lampiran 1. Berbagai Jenis Salak Di Indonesia No. Nama Daerah Asal Rasa Ukuran/Warna Kulit 1 Bali Ds. Sibetan, Bali Manis, kering, tidak masir, daging buah tebal Kecil sampai sedang,
Lebih terperinciLAMPIRAN A. Prosedur pembuatan larutan dalam penelitian pemanfaatan minyak goreng bekas. labu takar 250 ml x 0,056 = 14 gram maka
LAMPIRAN A PROSEDUR PEMBUATAN LARUTAN Prosedur pembuatan larutan dalam penelitian pemanfaatan minyak goreng bekas menjadi sabun cuci piring cair yaitu: 1. Pembuatan Larutan KOH 10% BM KOH = 56, -- 56 /
Lebih terperinciTINJAUAN ATAS SHONDA KUIPER, "INTRODUCTION TO MULTIPLE REGRESSION : HOW MUCH IS YOUR CAR WORTH?"
TINJAUAN ATAS SHONDA KUIPER, "INTRODUCTION TO MULTIPLE REGRESSION : HOW MUCH IS YOUR CAR WORTH?" Rivan Syamsurijal Biya, ST. 163118 Program Magister Teknik Industri Univeristas Trisakti Abstrak Multiple
Lebih terperinciTABEL VOLUME LOKAL MERANTI MERAH (Shorea leprosula Miq) DAN MERANTI KUNING (Shorea multiflora Miq) DI AREAL IUPHHK-HA PROVINSI KALIMANTAN TENGAH
TABEL VOLUME LOKAL MERANTI MERAH (Shorea leprosula Miq) DAN MERANTI KUNING (Shorea multiflora Miq) DI AREAL IUPHHK-HA PROVINSI KALIMANTAN TENGAH INDRA PERMADI DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
Lebih terperinciLampiran 1. Kuesioner Penelitian
Lampiran 1. Kuesioner Penelitian INSTITUT PERTANIAN BOGOR FAKULTAS EKONOMI DAN MANAJEMEN DEPARTEMEN EKONOMI SUMBERDAYA DAN LINGKUNGAN Jl.Kamper Level 5 Wing 5 Kampus IPB Dramaga Bogor 16680 Telp. (0251)
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. Penentuan sampel yang telah ditentukan sebelumnya lewat rumus Slovin
69 BAB 4 HASIL DAN PEMBAHASAN 4.1 Profil Responden Penentuan sampel yang telah ditentukan sebelumnya lewat rumus Slovin yaitu sebanyak 71 responden dengan metode pengambilan sampling yaitu non probability
Lebih terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciPerancangan dan Analisis Data Percobaan Pertanian. Sutoro BB BIOGEN
Perancangan dan Analisis Data Percobaan Pertanian Sutoro BB BIOGEN PRINSIP PERANCANGAN PERCOBAAN Ulangan (replication) Pengacakan (randomization) Pengendalian tempat percobaan (local control) Percobaan
Lebih terperinciLampiran 1. Deskripsi Ubi Jalar Kuningan Putih berdasarkan Berita Resmi PVT (Pendaftaran Varietas Lokal)
Lampiran 1. Deskripsi Ubi Jalar Kuningan Putih berdasarkan Berita Resmi PVT (Pendaftaran Varietas Lokal) 112 Lampiran 2. Pola Tata Niaga Ubi Jalar di Kabupaten Kuningan IX Petani / Produsen V VI I II Industri
Lebih terperinciPancar termasuk tinggi. Proporsi responden mengenai penilaian terhadap tingkat. Persepsi Pengunjung Presentase (%) Tinggi.
sebanyak 2% responden menyatakan masalah polusi suara di TWA Gunung Pancar termasuk tinggi. Proporsi responden mengenai penilaian terhadap tingkat kebisingan disajikan pada Tabel 25 berikut ini. Persepsi
Lebih terperinciPemodelan Faktor-faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 2012 dengan Kasus Pencilan dan Autokorelasi Error
Pemodelan Faktor-faktor yang Mempengaruhi Produksi Padi di Jawa Timur Tahun 22 dengan Kasus Pencilan dan Autokorelasi Error Ria Kumala Dewi dan Wiwiek Setya Winahju Statistika, FMIPA, Institut Teknologi
Lebih terperinciAPLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : 021-834 14694 / email : klik.statistik@gmail.com
APLIKASI REGRESI SEDERHANA DENGAN SPSS HENDRY admin teorionline.net Phone : 02-834 4694 / email : klik.statistik@gmail.com Tentang Regresi Sederhana Analisis regresi merupakan salah satu teknik analisis
Lebih terperinciBAB IV ANALISIS DATA DAN PEMBAHASAN. Responden dari penelitian ini adalah mahasiswa STAIN Pekalongan
BAB IV ANALISIS DATA DAN PEMBAHASAN A. Deskripsi Data Responden dari penelitian ini adalah mahasiswa STAIN Pekalongan yang menabung di bank syariah. Jumlah responden yang diambil dalam penelitian ini seluruh
Lebih terperinciBAB VI KESIMPULAN DAN SARAN
BAB VI KESIMPULAN DAN SARAN A. Kesimpulan Berdasarkan dari hasil analisis data responden pada ketiga tipe perumahan, maka dapat diambil kesimpulan sebagai berikut : 1. Faktor yang mempengaruhi bangkitan
Lebih terperinciLampiran 1 Radas kopolimerisasi pencangkokan dan penautan silang onggok dengan akrilamida. Nitrogen
LAMPIRAN Lampiran 1 Radas kopolimerisasi pencangkokan dan penautan silang onggok dengan akrilamida 225 Nitrogen 6 7 5 4 6 7 5 4 8 3 8 3 9 2 9 2 10 1 11 1 10 Lampiran 2 Diagram alir penelitian Sampel onggok
Lebih terperinciTABEL VOLUME POHON KELOMPOK JENIS MERANTI DI PT GUNUNG MERANTI KALIMANTAN TENGAH DWI NUGROHO PUTRANTO
TABEL VOLUME POHON KELOMPOK JENIS MERANTI DI PT GUNUNG MERANTI KALIMANTAN TENGAH DWI NUGROHO PUTRANTO DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2017 PERNYATAAN MENGENAI
Lebih terperinciDAFTAR PUSTAKA. Aninomus, Modul Konservasi Sumber Daya Alam, Pusat Pendidikan
DAFTAR PUSTAKA Aninomus, 1986. Modul Konservasi Sumber Daya Alam, Pusat Pendidikan Kehutanan, Bogor. Badan Pusat Statistik, 2009. Kecamatan Berastagi Dalam Anggka tahun 2009. Badan Pusat Statistik kabupaten
Lebih terperinciLampiran 1 Analisis hubungan debit aliran dengan tinggi muka air di Sub DAS Melamon
LAMPIRAN 40 41 Lampiran 1 Analisis hubungan debit aliran dengan tinggi muka air di Sub DAS Melamon No Tanggal Hujan S t V air TMA A P Q ratarat (m) (m/s) (m) (m 2 ) (m) (m 3 /s) a N Beton (A/P) 2/3 S 0.5
Lebih terperinciIV. HASIL DAN PEMBAHASAN
27 IV. HASIL DAN PEMBAHASAN 4.. Gambaran Umum Perusahaan Lembaga Les Privat dan Kelompok Belajar Bintang Pelajar pertama kali berdiri di kota Bogor dan merupakan salah satu perintis bimbingan belajar.
Lebih terperinciKAJIAN BENTUK PENGOLAHAN DAN ANALISIS FINANSIAL BUAH API API (Avicennia officinalis L.) SEBAGAI BAHAN MAKANAN DAN MINUMAN DI KABUPATEN DELI SERDANG
KAJIAN BENTUK PENGOLAHAN DAN ANALISIS FINANSIAL BUAH API API (Avicennia officinalis L.) SEBAGAI BAHAN MAKANAN DAN MINUMAN DI KABUPATEN DELI SERDANG SKRIPSI Oleh : GUSTINARIA SIANTURI 081201066/MANAJEMEN
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH. Tahapan selanjutnya dalam metode Six Sigma adalah analisa. Setelah
BAB V ANALISA PEMECAHAN MASALAH 5.1 TAHAP ANALISIS (ANALYZE) Tahapan selanjutnya dalam metode Six Sigma adalah analisa. Setelah melakukan pengukuran untuk mengetahui akar masalah secara kuantitatif. Alat
Lebih terperinci: Murdiana Utami NPM : Pembimbing : Prof. Dr. Didin Mukodim
PENGARUH KUALITAS PELAYANAN, BIAYA, LOKASI DAN PENCITRAAN TERHADAP KEPUTUSAN MAHASISWA MEMILIH FAKULTAS EKONOMI UNIVERSITAS GUNADARMA Nama : Murdiana Utami NPM : 10208861 Jurusan : Manajemen Pembimbing
Lebih terperinci(Halaman ini sengaja dikosongkan)
DAFTAR PUSTAKA Christensen, R., 1991. Linier Models for Multivariate, Time Series, and Spatial Data. Springer Verlag, New York Draper, N. Dan Smith, H., 1992. Analisis Regresi Terapan, edisi kedua. Diterjemahkan
Lebih terperinciLampiran 1. Bagan Struktur Organisasi Perusahaan
LAMPIRAN Lampiran 1. Bagan Struktur Organisasi Perusahaan Hijauan Cikalong Lapangan Cikalong Pakan Cikalong Kandang Cikalong Direktur Operasional Lapangan Cikanjung Hijauan Cikanjung Pakan Cikanjung Anak
Lebih terperinciLAMPIRAN Statistics Umur
LAMPIRAN Statistics Umur Pendidikan Pekerjaan Kolesterol Kalsium Natrium IMT N Valid 212 212 212 212 212 212 212 Missing 0 0 0 0 0 0 0 Mean 49.06 3.71 4.61 128.70 290.70 294.91 26.660 Std. Deviation 2.939
Lebih terperinciREGRESI LINEAR SEDERHANA
REGRESI LINEAR SEDERHANA y (x 3,y 3 ) d 3 (x 5,y 5 ) d 5 d 2 (x 2,y 2 ) d (x 1 1,y 1 ) d 4 (x 4,y 4 ) x Definisi: Dari semua kurva pendekatan terhadap satu set data, kurva yang memenuhi sifat bahwa nilai
Lebih terperinciIV. METODE PENELITIAN. Kawasan ini dipilih secara sengaja (purposive) dengan pertimbangan bahwa
IV. METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Pengambilan data untuk keperluan penelitian dilakukan di Kelurahan Harapan Jaya, Kecamatan Bekasi Utara, Kota Bekasi, Provinsi Jawa Barat. Kawasan
Lebih terperinciBAB I PENDAHULUAN. kehidupan manusia baik secara materi atau secara spiritual. Bencana sering terjadi
BAB I PENDAHULUAN A. Latar Belakang Masalah Bencana alam merupakan peristiwa alam yang disebabkan oleh proses dan aktivitas alam, baik yang terjadi secara alami maupun karena sebelumnya ada tindakan atau
Lebih terperinciRegresi. Data : Untuk melakukan regresi linear, langkah-langkah sebagai berikut, 1. Pilih Stat > Regression > Regression
Regresi Fungsi regresi yang tersedia pada Minitab yang dibahas disini adalah regresi tipe least squares regression atau kuadrat terkecil, sedangkan regresi tipe logaritma walaupun juga tersedia dalam Minitab
Lebih terperinciKUESIONER PENELITIAN Identitas Responden
KUESIONER PENELITIAN Dengan hormat, Sehubungan dengan adanya penelitian mengenai Pengaruh Iklan Televisi Coca Cola Versi Ramadhan Terhadap Keputusan Pembelian Pada Mahasiswa Manajemen Ekstensi Fakultas
Lebih terperinciBAB IV ANALISIS DATA. bebas dan variabel terikat, kemudian data tersebut di analisis dengan
BAB IV ANALISIS DATA A. Pengujian Hipotesis Setelah diperoleh masing-masing jumlah dari kategori variabel bebas dan variabel terikat, kemudian data tersebut di analisis dengan menggunakan analisis kuantitatif,
Lebih terperinciPENYUSUNAN TABEL VOLUME LOKAL KAYU PERTUKANGAN JENIS JATI PLUS PERHUTANI
PENYUSUNAN TABEL VOLUME LOKAL KAYU PERTUKANGAN JENIS JATI PLUS PERHUTANI (Tectona grandis L.f.) DI KPH NGAWI PERUM PERHUTANI DIVISI REGIONAL JAWA TIMUR ABDINAL SIANTURI DEPARTEMEN MANAJEMEN HUTAN FAKULTAS
Lebih terperinciLAMPIRAN 1 PROSEDUR ANALISIS
LAMPIRAN 1 PROSEDUR ANALISIS 1.a. Prosedur Analisis 1.a.1. Analisis COD Standard Methode yang digunakan Hach Method 8000 Tata Cara / Langkah-Langkah Pengujian 1. Homogenkan 100 ml sampel selama 30 detik
Lebih terperinciPENGARUH TINGKAT PENDIDIKAN DAN INSENTIF TERHADAP KINERJA KARYAWAN PADA PT. GARUDA PLAZA HOTEL MEDAN
Lampiran 1 Kuesioner Penelitian PENGARUH TINGKAT PENDIDIKAN DAN INSENTIF TERHADAP KINERJA KARYAWAN PADA PT. GARUDA PLAZA HOTEL MEDAN Responden yang terhormat, saya sangat mengharapkan kerjasamanya untuk
Lebih terperinciPengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel
Statistika, Vol. 10 No. 2, 99 105 Nopember 2010 Pengujian Kestabilan Parameter pada Model Regresi Menggunakan Dummy Variabel Teti Sofia Yanti Program Studi Statistika Universitas Islam Bandung Email: buitet@yahoo.com
Lebih terperinciAnalisis Korelasi dan Regresi Sederhana
Analisis Korelasi dan Regresi Sederhana Pada minggu ini akan dipelajari : Menghitung Korelasi Melakukan Analisis Regresi Sederhana Pemeriksaan Asumsi dalam Analisis Regresi Untuk melakukan kegiatan pada
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan negara yang memiliki gunung merapi cukup banyak yang tersebar di seluruh penjuru nusantara meliputi Sumatera, Jawa, dan Irian Jaya. Di Sumatera
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN A. Gambaran umum situs Bukalapak.com Bukalapak didirikan oleh Achmad Zaky pada awal tahun 2010 sebagai divisi agensi digital bernama Suitmedia yang berbasis di Jakarta. Namun,
Lebih terperinciLampiran 1. Peta HPGW
LAMPIRAN 49 Lampiran 1. Peta HPGW 50 51 Lampiran 2. Uji asumsi statistik WTP Regression Model Summary b Adjusted R Std. Error of the Durbin- Model R R Square Square Estimate Watson 1.504 a.254.186 59.72391
Lebih terperinciSTATISTIKA I. Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Kode Matakuliah: PAI111, 2sks Tujuan Instruksional Umum:
STATISTIKA I Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta Kode Matakuliah: PAI111, 2sks Tujuan Instruksional Umum: Setelah mengikuti mata kuliah ini selama satu semester, mahasiswa akan dapat
Lebih terperinciBAB IV ANALISIS DATA DAN PEMBAHASAN. dari karyawan koperasi pondok pesantren Az-Zahra Pedurungan Semarang
BAB IV ANALISIS DATA DAN PEMBAHASAN 4.1 Karakteristik Responden Sebelum dilakukan analisis, terlebih dahulu penulis akan menjelaskan mengenai data-data responden yang digunakan sebagai sampel yang diambil
Lebih terperinciBAB V HASIL ANALISIS DAN PEMBAHASAN. agar model tersebut menjadi valid sebagai alat penduga.
BAB V HASIL ANALISIS DAN PEMBAHASAN A. Uji Asumsi Klasik Analisis Regresi Uji asumsi klasik analisis regresi merupakan model regresi linier berganda dengan syarat-syarat yang harus dipenuhi pada regresi
Lebih terperinciKUESIONER. Daftar Pertanyaan PENGARUH KREATIVITAS DAN INOVASI TERHADAP KEBERHASILAN USAHA PADA INDUSTRI KREATIF DI KOTA
LAMPIRAN 1 KUESIONER Daftar Pertanyaan PENGARUH KREATIVITAS DAN INOVASI TERHADAP KEBERHASILAN USAHA PADA INDUSTRI KREATIF DI KOTA MEDAN Bapak/ibu yang terhormat, Bersama ini saya mohon kesediaan Bapak/Ibu,
Lebih terperinciLAMPIRAN 1 KUESIONER PENELITIAN
LAMPIRAN 1 KUESIONER PENELITIAN Kuesioner Penelitian No. Responden : PENGARUH CITRA MEREK (BRAND IMAGE), PELAYANAN (RETAIL SERVICE), DAN PRODUK (MERCHANDISE) TERHADAP KEPUTUSAN PEMBELIAN PADA BRASTAGI
Lebih terperinciTabel Kondisi Perkembangan Kebijakan Hutang (DER) pada Perusahaan Sektor Farmasi periode DVLA INAF KAEF KLBF MERK PYFA
Tabel Kondisi Perkembangan Kebijakan Hutang (DER) pada Perusahaan Sektor Farmasi periode 2007-2011. No Perusahaan Kode Kebijakan Hutang (DER) Rata-rata 2007 2008 2009 2010 2011 1 PT. Darya Varia DVLA 0.30
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pertumbuhan jumlah penduduk semakin hari semakin meningkat. Semakin meningkatnya jumlah penduduk maka semakin meningkat pula kebutuhan air bersih. Peningkatan kebutuhan
Lebih terperinciVII. FAKTOR-FAKTOR YANG MEMPENGARUHI HARGA LAHAN. harga lahan di sekitar Bandara Raja Haji Fisabilillah, Kepulauan Riau adalah
VII. FAKTOR-FAKTOR YANG MEMPENGARUHI HARGA LAHAN Model yang digunakan dalam menduga faktor-faktor yang mempengaruhi harga lahan di sekitar Bandara Raja Haji Fisabilillah, Kepulauan Riau adalah model double
Lebih terperinciVI. FAKTOR - FAKTOR YANG MEMPENGARUHI PERMINTAAN RUMAH TANGGA TERHADAP CABAI MERAH KERITING
VI. FAKTOR - FAKTOR YANG MEMPENGARUHI PERMINTAAN RUMAH TANGGA TERHADAP CABAI MERAH KERITING 6.1. Model Permintaan Rumah Tangga Terhadap Cabai Merah Keriting Model permintaan rumah tangga di DKI Jakarta
Lebih terperinciLampiran 1. Produksi Manis di Kabupaten Kerinci Tahun 2011
LAMPIRAN 91 Lampiran 1. Produksi Manis di Kabupaten Kerinci Tahun 2011 Kecamatan LUAS TANAM (Ha) Komposisi tanaman ( Ha) TB M TM TTM/T R Total 1122 Produksi (Ton) Produktivitas (Kg/Ha) Jumlah petani Gunung
Lebih terperincic. Berapa usia anda? 1. Dibawah 20 th th th th th ke atas d. Pendidikan : 1. SMP 2. SMA 3.
Kuesioner Penelitian PENGARUH SPIRITUAL QUOTIENT TERHADAP PRODUKTIFITAS KERJA KARYAWAN I. IDENTITAS RESPONDEN Mohon dengan hormat kesediaan bapak/ ibu/ saudara/ i untuk menjawab pertanyaan di kuesioner
Lebih terperinciPERENCANAAN PROGRAM INTERPRETASI LINGKUNGAN DI KAWASAN WISATA DANAU LINTING KABUPATEN DELI SERDANG OLEH MUSAWIR NASUTION/ MANAJEMEN HUTAN
PERENCANAAN PROGRAM INTERPRETASI LINGKUNGAN DI KAWASAN WISATA DANAU LINTING KABUPATEN DELI SERDANG SKRIPSI OLEH MUSAWIR NASUTION/081201012 MANAJEMEN HUTAN PROGRAM STUDI KEHUTANAN FAKULTAS PERTANIAN UNIVERSITAS
Lebih terperinciPerencanaan dan Analisis Eksperimen dengan Minitab
UNIVERSITAS MUHAMMADIYAH PALANGKARAYA LEMBAGA PENELITIAN DAN PENGABDIAN PADA MASYARAKAT KARYA PENGABDIAN PADA MASYARAKAT Perencanaan dan Analisis Eksperimen dengan Minitab Haryadi NIDN 0003116401 i HALAMAN
Lebih terperinciSKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Teknik (ST) Pada Program Studi Teknik Mesin UN PGRI Kediri OLEH :
ANALISA NILAI KEKERASAN BAJA KARBON RENDAH MELALUI PROSES KARBURISASI MENGGUNAKAN CAMPURAN CARBON (C) dan BARIUM KARBONAT (BaCO 3 ) DENGAN VARIASI WAKTU PENAHANAN BERBEDA SKRIPSI Diajukan Untuk Memenuhi
Lebih terperinciANALISIS KEPUASAN PENGUNJUNG ATAS KESEJAHTERAAN SATWA DI KEBUN BINATANG SKRIPSI
ANALISIS KEPUASAN PENGUNJUNG ATAS KESEJAHTERAAN SATWA DI KEBUN BINATANG (Studi Kasus: Taman Margasatwa dan Budaya Kinantan Bukittinggi, Sumatera Barat) SKRIPSI Oleh: SEFTIAWAN 051201022 MANAJEMEN HUTAN
Lebih terperinciESTIMASI NILAI KERUGIAN AKIBAT PENCEMARAN. 6.1 Dampak Adanya Industri Terhadap Kualitas Lingkungan di Kelurahan Nanggewer
VI. ESTIMASI NILAI KERUGIAN AKIBAT PENCEMARAN 6.1 Dampak Adanya Industri Terhadap Kualitas Lingkungan di Kelurahan Nanggewer Ada dua dampak yang diberikan akibat keberadaan industri diantara pemukiman
Lebih terperinciLampiran 1. Kuesioner Penelitian
64 Lampiran 1. Kuesioner Penelitian Kuesioner Jenis A Petunjuk Pengisian: Untuk pengisian jawaban pertanyaan Identitas : Jawablah pertanyaan dengan dengan jawaban yang sesuai menurut anda, beri tanda checklist
Lebih terperinciAnalisis Regresi 2. Mendeteksi pencilan dan penanganannya
Analss Regres Pokok Bahasan : Mendeteks penclan dan penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasswa dapat mendeteks adanya penclan pada regres lner berganda Penclan Penclan adalah pengamatan yang
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4. Hasil Pengumpulan Data Tabel 4. Tabel Pengumpulan Data Jam Tgl Variabel 9: : : 4: 5: 8/8/5 Tebal Material 8 6 6 6.5 Kecepatan Potong 567 6 68 64 54 Hasil Pemotongan 4 4.333
Lebih terperinciErwin B Pattikayhatu *) Epianus E Nanlohy **) Abstak
IDENTIFIKASI PENGOPERASIAN KAPAL PURSE SEINE DALAM KAJIAN PENENTUAN EFISIENSI. Erwin B Pattikayhatu *) Epianus E Nanlohy **) Abstak Analisis efisiensi kapal umumnya memperhitungkan faktor daya mesin, waktu
Lebih terperinciLampiran 1 KUESIONER PENELITIAN
Lampiran 1 KUESIONER PENELITIAN PENGARUH BRAND POSITIONING SEPEDA MOTOR MEREK HONDA TERHADAP KEPUTUSAN PEMBELIAN KONSUMEN PADA MAHASISWA DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI UNIVERSITAS SUMATERA UTARA
Lebih terperinciLampiran 1 KUISIONER PENELITIAN PEMANFAATAN SUMBER DAYA HUTAN OLEH MASYARAKAT DESA BUNIWANGI KECAMATAN PELABUHAN RATU KABUPATEN SUKABUMI
LAMPIRAN Lampiran 1 KUISIONER PENELITIAN PEMANFAATAN SUMBER DAYA HUTAN OLEH MASYARAKAT DESA BUNIWANGI KECAMATAN PELABUHAN RATU KABUPATEN SUKABUMI A. Identitas Responden 1. Nama :... 2. Umur :. 3. Dusun/RT/RW
Lebih terperinciSumber: [2 Agustus 2010] Posisi pengoperasian alat tangkap pada tiap setting
LAMPIRAN 48 49 Lampiran 1 Lokasi penelitian 106 o 30 BT 07 o 00 LS Keterangan: Fishing base (Cisolok) U Lokasi penelitian Sumber: http://www.googlemap.com [2 Agustus 2010] Posisi pengoperasian alat tangkap
Lebih terperinciDAFTAR PUSTAKA. Albin, D., 2001, The Use of Statistical Experimental Design for PCB Process Optimization, Inggris.
BAB 6 KESIMPULAN 6.1. Kesimpulan Kesimpulan yang diperoleh berdasarkan penelitian yang telah dilakukan yaitu: 1. Faktor yang berpengaruh terhadap jumlah cacat roti smeer adalah faktor metode pembuatan
Lebih terperinci