Perbandingan Metode Analisis Diskriminan dan Mahalanobis Taguchi (MT) untuk Data Penderita DM RS. Wahidin Sudirohusodo Makassar
|
|
- Yenny Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Vol., No., 35-47, Juli 3 Perbandingan Metode Analisis Diskriminan dan Mahalanobis Taguchi (MT) untuk Data Penderita DM RS. Wahidin Sudirohusodo Makassar Anisa Abstrak Penelitian ini dilakukan untuk menganalisa dan menetakan erkiraan inflasi karena adanya erbedaan erkiraan inflasi yang dikeluarkan lembaga emerintah (Bank Indonesia) dan lembaga non-emerintah. Berkaitan kelengkaan data dan waktu kajian, diawali dengan erkiraan angka inflasi Kota Banda Aceh bulan Mei 8 dengan meneliti angka Indeks Harga Konsumen (IHK) dan variabel informasi yang diharakan daat membantu memerkirakan angka inflasi. Variabel informasi yaitu inflasi inti, aktiva bank, suku bunga SBI dan kurs ruiah terhada dollar AS. Untuk mendaatkan model dilakukan dengan endekatan VAB menggunakan software EViews 4.. Dari hasil royeksi inflasi model IHK dengan variabel informasi inflasi inti memberikan hasil terbaik karena memiliki nilai RMSE (Root Mean Square Error) terkecil yaitu sebesar 3.73 dan nilai Adjusted R terbesar yaitu sebesar.988 diantara model-model lain yang dieroleh. Model ersamaan yang digunakan : IHK = -.589*IHK(-) -.995*IHK(-) +.86*IHK(3) *IHK(-4) +.439*IHK(-5) *IHK(-6) *IHK(-7) *IHK(-8) *inflasi_inti(-) *inflasi_inti(-) *inflasi_inti(-3) *inflasi_inti(-4) *inflasi_inti(-5) +.38*inflasi_inti(-6) *inflasi_inti(-7) *inflasi_inti(-8) % untuk kota/kabuaten lain di rovinsi NAD ada bulan yang sama. Sedangkan rediksi untuk tahun mendatang angka inflasi masih ada kisaran tersebut bila tidak ada erubahanerubahan asumsi. Kata Kunci : Inflasi, VAB, IHK, RMSE, Adjusted R.. Pendahuluan Statistika adalah ilmu yang memelajari bagaimana merencanakan, mengumulkan, menganalisis, menginterretasi dan memresentasikan data. Singkatnya, statistika adalah ilmu yang berkenaan dengan data. Penggunaan statistika khususnya di bidang ekonomi sangat erat kaitannya dengan engendalian kualitas suatu roduk atau layanan. Beberaa teknik engendalian kualitas yang biasa digunakan antara lain, diagram Pareto, matrix analisis, diagram Grier, times series, causeand-effect diagram, check sheet, histogram, roses caability, control chart, diagram Scatter, run chart, dan roses flowchart. Salah satu tokoh yang terkenal banyak memerkenalkan metode-metode untuk engendalian kualitas adalah Taguchi (Taguchi & Wu, 979; Taguchi, 993). Taguchi memerkenalkan beberaa teknik yang bisa digunakan untuk engendalian kualitas. Metode Jurusan Matematika FMIPA Universitas Hasanuddin Makassar
2 36 tersebut dikenal sebagai metode Taguchi, di antaranya adalah metode Robust Engineering (Taguchi & Wu, 979; Taguchi, 993), dan metode engendalian kualitas sistem online (Taguchi, 98; Taguchi, Elsayed & Hsiang, 989). Metode Robust Engineering meruakan sebuah metode komrehensi untuk strategi engendalian kualitas, dimana metode ini adalah kombinasi dasar dari model Engineering dengan Taguchi versi exerimen yang biasa dikenal Orthogonal Array Exeriment. Metode Mahalanobis-Taguchi, selanjutnya disebut MT, meruakan metode terbaru dalam metode Taguchi (Taguchi et a.l, ; Taguchi & Jugulum, ). MT adalah ola engenalan data base multivariat dan sistem diagnosa, seerti diagnosa kesehatan, industri elektronik, industri kimia, emadam kebakaran dan sebagainya. Dalam endekatan model MT, gugus data multivariat yang besar diartisi dalam dua kelomok, katakan kelomok normal dan kelomok tidak normal (abnormal). Kelomok normal dalam diagnosa kesehatan adalah orang-orang yang sehat, dan ada sistem emeriksaan abrik adalah roduk yang dihasilkan dengan kualitas baik. Sedangkan kelomok abnormal adalah kelomok yang tidak biasa, atau unya kualitas yang jelek, misalnya elajar yang sangat bodoh atau bisa juga elajar yang sangat cerdas. Pada makalah ini, sebagai embanding metode MT, akan digunakan salah satu metode ada analisis multivariat lainnya, yaitu Analisis Diskriminan, untuk melihat bagaimana hasil emisahan kedua kelomok normal dan abnormal berdasarkan kedua metode tersebut ada data yang digunakan. Analisis Diskriminan adalah metode klasik yang sudah lazim digunakan selama ini untuk klasifikasi data. Johnson & Wichern (5) menyatakan bahwa Analisis Diskriminan adalah suatu metode analisis yang bagus digunakan untuk melakukan klasifikasi terhada data, yang menghasilkan fungsi diskriminan sebagai acuan untuk emisahan kelomok-kelomok yang ada ada data. Pada enelitian ini data yang digunakan adalah data hasil rekam medik asien enderita enyakit Diabetes Mellitus, selanjutnya disebut enyakit DM, di RS. Wahidin Sudirohusodo Makassar.. Tinjauan Pustaka Metode Mahalanobis-Taguchi (MT) Salah satu tujuan utama MT adalah untuk memerkenalkan sebuah skala dasar ada semua variabel untuk mengukur derajat ketidaknormalannya. Sebagai contoh, ada kasus diagnosa kesehatan bertujuan mengukur derajat berat/kerasnya setia enyakit berdasarkan skala yang ada. Untuk membangun skala tersebut digunakan Jarak Mahalanobis (Mahalanobis Distance). Jarak Mahalanobis (Mahalanobis Distance) Jarak Mahalanobis (Mahalanobis Distance) adalah suatu metode statistika yang digunakan untuk mendaatkan suatu data dengan jarak tertentu terhada rataan data tersebut sehingga dieroleh suatu enyebaran data yang memiliki ola terhada nilai rataan. Misalkan data yang digunakan dibuat dalam bentuk tabel berdasarkan jumlah variabel bebas dan banyaknya amatan N.
3 37 Tabel. Format data mentah Mahalanobis-Taguchi Objek k k Variabel k x x x x x x N x N N x x N Average Standar Deviasi s s s dengan i = N x ki N k dan ( xki i ) si, untuk i =,,, k =,,..N () N Standarisasi data ada Tabel dengan mengurangi masing-masing amatan dengan rataannya, dan membaginya dengan standar deviasi, sehingga dieroleh hasil sebagaimana yang diberikan ada tabel berikut. Tabel.Data yang distandarisasi Objek Z k k Variabel yang distandarisasi Z Z k dengan z z z z z z N z N N z x z z N ki i ki untuk k =,, N, i =,, () si Ini adalah sebuah roses normalisasi yang khas untuk analisis data multivariat. Kemudian matriks korelasi samel dihitung untuk standarisasi variabel ada kelomok normal, sebagai berikut:
4 38 dengan r ij N N k z r R r ki z kj r r r r Menurut Yang & Trewn (3), jarak Mahalanobis yang dinotasikan dengan MD, didefinisikan sebagai : dengan MD k ( ) zki R zik (4) z i = vektor hasil standarisasi ada nilai x ki, atau ada amatan ke-k variabel z i ( xki i ) / i = rataan dari variabel ke-i s i (3) ke-j s i = standar deviasi dari variabel ke-i = jumlah variabel yang digunakan dalam enelitian R = matriks korelasi berukuran x Bobot dari jarak Mahalanobis ini ada ada nilai kovariannya, dan menurut Aribi (7), nilai bobot inilah yang membuat jarak Mahalanobis memiliki bidang atau luasan yang berbentuk ellis. Mahalanobis-Taguchi (MT) Mahalanobis-Taguchi (MT) adalah sebuh sistem dengan roses 4 langkah. Tiga langkah ertama adalah enggunaan jarak Mahalanobis, engujian kelomok tidak normal dan screening variabel. Langkah ke-4 adalah diagnosa masa yang akan datang dengan menggunakan variabel terilih hasil dari Scereening variabel. Berikut akan diuraikan roses 4 langkah tersebut. Langkah Pertama : Jarak Mahalanobis Dalam langkah ini data multivariat mentah dikoleksi untuk mengetahui sehat atau normalnya objek dengan tujuan untuk menentukan sebuah skala/ukuran dasar ada oulasi yang normal. Secara ringkas, untuk sembarang amatan yang berbentuk data multivariat, misalkan x x, x,..., x,..., x ), maka erhitungan jarak Mahalanobis adalah sebagai berikut: ( i. Standarisasi x dengan mengurangi ( x, x,..., xi,..., x ) (,,..., i,..., ) dan membaginya dengan s, s,..., s i,..., s dari data kelomok normal, sehingga dieroleh observasi yang baru sebagai berikut:
5 39 z ( z, z,..., z i,..., z x x i i x (5),...,,..., s si s. Menghitung skala jarak Mahalanobis (Mahalanobis Distance) terskalakan untuk observasi ini : MD zr z (6) dengan adalah jumlah variabel. Persamaan (6) tidak lain adalah jarak Mahalanobis biasa yang dikoreksi oleh banyaknya variabel. Yang & Trewn (3) menetakan bahwa N E(MD) = (7) N dimana N adalah jumlah observasi di dalam kelomok normal. ) Langkah Kedua : Uji dan Analisis Jarak Mahalanobis untuk Samel Abnormal Setelah dieroleh jarak Mahalanobis ada langkah ertama, maka erlu diuji aakah jarak Mahalanobis ini sensitif untuk observasi yang abnormal. Pada langkah ini, akan dikoleksi data multivariat yang diketahui tidak normal kemudian dihitung jarak Mahalanobisnya. Hasil erhitungan jarak Mahalanobis yang baru ini diharakan lebih besar dari. Konse kualitas yang digunakan sama dengan konse kualitas ada umumnya yaitu suatu roduk disebut berkualitas bila ukuran kualitasnya (variabel yang diukur) berada ada rentang nilai tertentu (Walole, ). Jika erhitungan jarak Mahalanobis yang baru tidak lebih dari maka hal tersebut mengindikasikan bahwa variabel awal yang diilih tidak mamu membedakan antara normal dan abnormal. Dalam kasus seerti tersebut maka erlu enambahan variabel baru. Setelah enambahan variabel baru, lakukan langkah ertama kembali, yaitu mengukur objek yang normal dengan variabel baru, memerbanyak data, menghitung kembali standarisasi variabel dan hitung jarak Mahalanobisnya. roses tersebut harus diulang samai ketidakstabilan antara kelomok normal dan kelomok abnormal menjadi cuku. Langkah Ketiga: Screening Variabel dengan Menggunakan Ekserimen Taguchi Ortogonal Array Tidak setia variabel ada data multivariat memberi engaruh besar dalam membedakan objek abnormal. Beberaa variabel mungkin lebih enting dariada variabel lainnnya, sehingga erlu untuk memilih variabel yang memberikan kontribusi lebih ada roses embedaan objek sehingga roses monitoring dan encegahan yang akan dilakukan bisa lebih efektif Menurut Fowlkes & Creveling (995), terdaat beberaa metode untuk Screening variabel sehingga variabel-variabel yang memberikan kontribusi lebih ada roses embedaan objek yang dikembangkan oleh Taguchi. Metode-metode tersebut adalah metode uji rancangan fix (Build-test-fix), metode faktor ada kali ercobaan (One-factor-a-time exeriment), metode ercobaan faktorial lengka (Full factorial exeriment), dan ercobaan ortogonal array (fractional factorial). Metode uji rancangan fix meruakan metode yang tidak efektif dan efisisen, dan sangat bergantung ada keahlian si elaku ercobaan. Metode faktor ada kali ercobaan meruakan metode tradisional yang banyak diakai oleh akademisi dan insinyur di bidang industri. Metode ini memunyai kelemahan yaitu tidak memberikan informasi bagaimana efek dari suatu erubahan
6 4 faktor ketika faktor yang lain diubah. Metode ercobaan faktorial lengka memasukkan semua kemungkinan dari kombinasi semua level-level dari faktor, sehingga membutuhkan waktu yang lama dan rumit untuk memertimbangkan kombinasi-kombinasi dari faktor yang otimum. Sedangkan metode ercobaan Ortogonal Array, selanjutnya disebut OA meruakan engembangan dari metode ercobaan faktorial lengka, namun hanya memertimbangkan ecahan dari kombinasi faktorial lengka. OA merujuk ada keseimbangan kombinasi variasi dari faktor sehingga tidak ada satu faktor memunyai bobot lebih atau kurang ada ercobaan dibandingkan faktor yang lain. Ortogonal yang merujuk ada keyataan bahwa efek dari setia faktor secara matematik diasumsikan saling bebas dengan efek dari faktor lain, sehingga hanya jumlah faktor, level dan embagian ulang tertentu yang bisa diuraikan dalam metode OA. Secara umum, metode OA faktorial dituliskan dalam bentuk L ( c a b ) (8) dengan s, s3, s4, a = jumlah baris b = jumlah level c = jumlah kolom Berdasarkan uraian mengenai OA di atas, jika terdaat 5 variabel atau 5 faktor,, 3, 4, dan 5, dengan menggunakan observasi kelomok normal, matriks korelasi R, dan s, s yang dihitung dari data kelomok normal sebagai tambahan ada kelomok 5 abnormal. Daat juga ditambahkan data multivariat baru, misal x samai n data sehingga faktor gugus data amatan kelomok abnormal menjadi: x ( x, x, x, x, x x ( x, x 3, x 3 4, x ), x 5) xn ( xn, xn, xn3, xn4, xn5 ) Bentuk OA dari 5 variabel yang digunakan diringkas dalam tabel berikut. Table 5. Luaran khas OA untuk Screening Variabel L8 kolom array No urut Jarak Mahalanobis S/N ex n S/N MD MD MD MD MD 8 MD n MD 8 MD n MD 8 8 n
7 4 Dari tabel di atas dibentuk level OA dengan jumlah kolom lebih dari 5 untuk daat 7 mengakomodir bentuk OA yang bersesuaian, yaitu dengan menggunakan L 8 (). Pada OA tabel di atas, level dimaksudkan untuk inclusion atau enguat variabel, dan level dimaksudkan untuk exclucion atau memerlemah variabel. Kolom yang kosong mengindikasikan tidak ada variabel yang diberikan. Hal enting yang erlu diketahui ada OA sebagimana ada ercobaan Taguchi lainnya adalah signal-to-noise ratio (S/N) digunakan sebagai ukuran untuk memilih variabel ebting yang membedakan objek. Secara umum bentuk (S/N) yang dikembangkan oleh Taguchi ditulis dalam bentuk n i log untuk semua i =,,8 (9) n j MD j Signal-to-noise ratio yang digunakan memiliki karakteristik embeda larger the-better, sebab untuk amatan-amatan abnormal jarak MD yang besar akan lebih sensitif keabnormalitasannya, sehingga menjadi variabel enting yang memberi engaruh besar dalam embedaan objek abnormal. Langkah Keemat: Diagnosis Akan Datang dengan Menggunakan Variabel Terilih Pada langkah ini, akan ditetaakan nilai batas atau threshold terotongnya MD (cuts off) yang didasarkan ada kualitas fungsi kehilangan Taguchi. Penetaan nilai threshold ini diharaakn daat memertahankan sistem monitoring yang digunakan. Pada metode MT, nilai threshold T untuk jarak Mahalanobis ditetakan dengan menggunakan fungsi kehilangan Taguchi (Quality loss Function), dan endekatan rancangan toleransi Taguchi, dimana endekatan ini meruakan biaya yang didasarkan ada rancangan toleransi. Pertimbangan terenting ada biaya adalah meruakan kualitas fungsi kerugian yang seharusnya meruakan selisih dari level-level ideal. L k(md) =k MD () Quality loss function akan bernilai nol jika MD =. Dari ersamaan (), atau A = k ( ) = k () A k= sehingga, kualitas fungsi kerugian menjadi A L MD () A meruakan biaya internal, yaitu biaya yang berhubungan dengan situasi ketika nilai threshold untuk MD T, dimana T adalah nilai batas untuk jarak Mahalanobis. Dengan menggunakan ersamaan () dan (), maka A A T (3)
8 4 sehingga T (4) A 3. Pembahasan 3. Peneraan Metode Mahalanobis-Taguchi (MT) ada Data Data dikumulkan berdasarkan data encabutan status asien rawat ina ada eriode Januari 5 s/d Mei 6 di bagian rekam medik RS.DR.Wahidin Sudirohosodo Makasssar. Poulasi enderita enyakit Diabetes Mellitus (DM) yang dirawat ina di rumah sakit tersebut sejak Januari 5 s/d Mei 6 sebanyak 786 orang, 596 orang di antaranya meruakan enderita enyakit DM tie II. Samel yang diambil sebanyak orang enderita enyakit DM tie II dan berumur 5 tahun ke atas. Tabel. Deskrisi varibel enjelas Penderita Penyakit DM di RS.Dr.Wahidin Sudirohusodo Makassar eriode Januari 5 s/d Mei 6 No Nama Variabel Rata-Rata Nilai Nilai Maksimum Umur (tahun) Berat Badan (kg) Tinggi Badan (cm) Lama Menderita (cm) Lama Dirawat (hari) 59 58, ,4 Minimum Berdasarkan Tabel, distribusi asien menurut umur menunjukkan bahwa rata-rata umur enderita enyakit DM adalah 59 tahun, asien termuda dengan umur 3 tahun dan tertua dengan umur 87 tahun. Distribusi asien menurut berat badan menunjukkan bahwa rata-rata berat badan enderita enyakit DM adalah 58,67 kg, berat badan asien terendah adalah 37 kg dan tertinggi 85 kg. Distribusi asien menurut lama dirawat menunjukkan bahwa rata-rata lama dirawat enderita enyakit DM adalah hari, yang aling lama mendaatkan erawatan di rumah sakit adalah selama 86 hari dan aling sedikit selama hari erawatan. Dalam endekatan model MT, gugus data diartisi dalam dua kelomok yaitu kelomok normal dan tidak normal (abnormal). Untuk data enderita DM berdasarkan status kelangsungan hidu maka terbagi dua bagian. Pertama, kelomok normal terdiri atas asien dengan status sembuh, membaik/rawat jalan, dan belum sembuh/ulang aksa, sedangkan kelomok tidak normalnya adalah asien dengan status meninggal. Kedua, kelomok normal terdiri atas asien dengan status sembuh dan membaik/rawat jalan sedangkan kelomok tidak normal adalah asien dengan status belum sembuh/ulang aksa dan meninggal. Untuk Kelomok normal dengan status kelangsungan hidu sembuh, membaik/rawat jalan, dan belum sembuh/ulang aksa melalui standarisasi variabel maka dieroleh matriks korelasi sebagai berikut :
9 Jarak Mahalanobis Anisa 43 R = Invers matriks untuk matriks korelasi tersebut adalah:.4..8 R = Berdasarkan hasil transose nilai standarisasi variabel dieroleh jarak Mahalanobis (MD), dan erbandingan MD untuk kelomok normal dengan status kelangsungan hidu sembuh, membaik/rawat jalan, dan belum sembuh/ulang aksa, dan abnormal dengan status kelangsungan hidu meninggal, diberikan ada gambar berikut. Perbandingan MD antara Kelomok Normal dan Abnormal /8 /7 /6 /5 /4 /3 / / / MD Abnormal MD Normal Objek Gambar. Grafik erbandingan jarak Mahalanobis kelomok normal dengan status kelangsungan hidu sembuh, membaik/rawat jalan, dan belum sembuh/ulang aksa, dengan kelomok abnormal untuk status kelangsungan hidu meninggal. Untuk Kelomok normal dengan status kelangsungan hidu sembuh, dan membaik/rawat jalan melalui standarisasi variabel maka dieroleh matriks korelasi sebagai berikut.
10 Mahalanobis Distance Anisa R = Invers matriks untuk matriks korelasi tersebut adalah: R = Berdasarkan hasil transose nilai standarisasi variabel dieroleh jarak Mahalanobis (MD), dan erbandingan MD untuk kelomok normal dengan status kelangsungan hidu sembuh, dan membaik/rawat jalan, dan abnormal dengan dengan status kelangsungan hidu belum sembuh/ulang aksa, dan meninggal, diberikan ada gambar berikut. Perbandingan Jarak MD Kelomok Normal dan Abnormal Objek MD Abnormal MD Normal Gambar. Grafik erbandingan jarak Mahalanobis kelomok normal dengan status kelangsungan hidu sembuh, dan membaik/rawat jalan, dengan kelomok abnormal dengan status kelangsungan hidu belum sembuh/ulang aksa, dan meninggal. Berdasarkan erhitungan jarak Mahalanaobis untuk data enderita enyakit DM, daat dilihat bahwa kedua bentuk tersebut tidak ada yang sesuai dengan kriteria ada metode MT, yaitu jarak Mahalanobis untuk kelomok abnormal harus lebih besar dari. Sehingga untuk data kasus enderita enyakit DM tidak daat dilanjutkan ke taha berikutnya dengan metode MT. Daat
11 45 dikatakan bahwa metode MT belum bisa memisahkan kelomok normal dan abnormal dengan menggunakan metode MT ini. 3. Peneraan Metode Analisis Diskriminan ada Data Peneraan analisis diskriminan akan diterakan juga ada dua gugus data sebagaimana ada metode MT. Gugus data ertama adalah kelomok normal untuk status kelangsungan hidu sembuh, membaik/rawat jalan, dan belum sembuh/ulang aksa, dan kelomok abnormal dengan status kelangsungan hidu meninggal. Sedangkan gugus data kedua adalah kelomok normal dengan status kelangsungan hidu sembuh dan membaik/rawat jalan, dan kelomok abnormal dengan dengan status kelangsungan hidu belum sembuh/ulang aksa dan meninggal. Hasil engolahan data dengan metode analisis diskriminan dengan menggunakan aket engolahan data Minitab 4 diberikan berikut. Linear Method for Resonse: Status Kelangsungan Hidu Nomal : sembuh, membaik/rawat jalan, dan belum sembuh/ulang aksa Abnormal : meninggal Predictors: Kadar Gula Darah, Jenis Kelamin, Umur, Pekerjaan, Tingkat endidikan, Berat Badan, Tinggi Badan, Lama Menderita, Lama Rawat, Jenis Penyakit, Komlikasi, Diet DM, dan Kategori Penyakit Grou Count 84 8 Summary of classification True Grou Put into Grou Total N 84 8 N correct 63 5 Proortion N = N Correct = 78 Proortion Correct =.765 Dari hasil di atas, terlihat bahwa untuk gugus data ertama analisis diskriminan mamu mengelomokkan data secara benar ke dalam kelomok normal dan abnormal sebesar 76.5%. Sedangkan untuk gugus data kedua, analisis diskriminan hanya mamu mengelomokkan data dengan roorsi sebesar 7.5%, sebagaimana yang diberikan ada hasil di bawah.
12 46 Linear Method for Resonse: Status Kelangsungan Hidu Nomal : sembuh dan membaik/rawat jalan Abnormal : belum sembuh/ulang aksa dan meninggal Predictors: Kadar Gula Darah, Jenis Kelamin, Umur, Pekerjaan, Tingkat endidikan, Berat Badan, Tinggi Badan, Lama Menderita, Lama Rawat, Jenis Penyakit, Komlikasi, Diet DM, dan Kategori Penyakit Grou Count 6 4 Summary of classification True Grou Put into Grou Total N 6 4 N correct 46 8 Proortion N = N Correct = 74 Proortion Correct =.75 Hasil lain yang dieroleh ada analisis diskriminan ini adalah fungsi embeda untuk kedua gugus data yang digunakan dalam enelitian ini. Fungsi embeda ini berfungsi sebagai acuan engklasifikasian amatan baru untuk masuk ke dalam kelomok normal dan abnormal, berdasarkan variabel-variabel bebas atau rediktor yang digunakan di dalam model. Fungsi embeda atau diskriminan untuk kedua gugus data diberikan berikut ini. Untuk gugus data ertama, dimana untuk kelomok normal dengan status kelangsungan hidu sembuh, membaik/rawat jalan, dan belum sembuh/ulang aksa, dan kelomok abnormal dengan status kelangsungan hidu meninggal, maka fungsi embeda untuk kelomok normal yang dihasilkan adalah : Kel. Normal C C 5C.44C3 4.93C 4 5.C5.35C C9 3.C 6.3C.74C C C Sedangkan untuk gugus data kedua, dimana untuk kelomok normal dengan status kelangsungan hidu sembuh dan membaik/rawat jalan, dan kelomok abnormal dengan status kelangsungan hidu belum sembuh/ulang aksa dan meninggal, maka fungsi embeda untuk kelomok normal yang dihasilkan adalah : Kel. Normal C C 5.3C.4C 3 5.8C4 5.45C5.35C C9 3.3C 6.6C.8C C C 7 7 dengan C adalah kadar gula darah asien, C adalah jenis kelamin, C 3 adalah umur asien, C 4
13 47 adalah ekerjaan, C 5 adalah tingkat endidikan asien, C 6 adalah berat badan, C 7 adalah tinggi badan asien, C 8 adalah lamanya asien menderita DM, C 9 adalah lamanya asien enderita DM dirawat di rumah sakit, C adalah jenis enyakit DM yang diderita oleh asien, C adalah komlikasi lain yang dialami oleh asien enderita DM, C adalah diet DM yang diberikan terhada asien, dan C 3 adalah kategori enyakit DM yang diderita oleh asien. Dari hasil analisis diskriminan, jika dibandingkan dengan hasil dengan menggunakan metode MT sebagaimana yang diberikan ada bagian sebelumnya, daat dikatakan bahwa untuk data enderita DM yang digunakan, analisis diskriminan lebih memberikan hasil yang nyata mengenai emisahan kelomok normal dan abnormal dibandingkan dengan metode MT. 4. Diskusi Perlu adanya enelitian lanjut mengenai eneraan kedua metode, yaitu metode MT dan analisis diskriminan, ada berbagai gugus data untuk melihat efektifitas dari enggunaan kedua metode tersebut dalam emisahan kelomok normal dan abnormal. Daftar Pustaka [] Aribi, J. 7. Mahalanobis Distance. htt//jauhar- Aribi.blogsot.com/7/3/Mahalanobis-Distance. [] Chun, H. W. 4. Data Classification using the Mahalanobis-Taguchi System. Deartemen of Industrial Engineering and Management, Ta Hwa Institute of Tecnology. [3] Besterfield, D. H Quality Control. Prentice-Hall International, lnc. London. [4] Fowlkes, Willyam Y dan Creveling, Cyde M.995. Engineering Methods for Robust Product Design Using Taguchi Methods in Tecnology and Product Develoment. Addison-Wesley Publishing Comany. Ney York. [5] Livonia dan Rajesh, J.5. New Trend Multivariate Diagnosis.Wayne State University.Detroit. [6] Wahyudi,didik..Otimasi Cranking Amere Aki di PT Fakultas Teknologi Industri Jurusan Teknik Mesin Universitas Kristen Petra. [7] Yang, Kay dan Trewn, Jayant.3. Multivaraite Statistical Methods in Quality Managemet.Mc.Grw-Hill Comanies, lnc.new York. [8] Johnson, R. A., and Wichern, D. W.. Alied Multivariate Statistical Analysis, Fifth Edition. Pearson Education International.
Dhiva Ryan Hardine 1), Aisyah Abdullah 2), Muhammad Ikbal 3), Nur Chamidah 4)
PEMODELAN KADAR GULA DARAH DAN EKANAN DARAH PADA REMAJA PENDERIA DIABEES MELIUS IPE II DENGAN PENDEKAAN REGRESI NONPARAMERIK BIRESPON BERDASARKAN ESIMAOR SPLINE Dhiva Ryan Hardine 1), Aisyah Abdullah 2),
Lebih terperinciPEMODELAN KETERTINGGALAN DAERAH DI INDONESIA MENGGUNAKAN ANALISIS DISKRIMINAN
M-20 PEMODELAN KETERTINGGALAN DAERAH DI INDONESIA MENGGUNAKAN ANALISIS DISKRIMINAN Titi Purwandari, Yuyun Hidayat 2,2) Deartemen Statistika FMIPA Universitas Padjadjaran, email : titiurwandari@yahoo.com,
Lebih terperinciDika Dwi Muharahman*, Nurul Gusriani, Elis Hertini. Departemen Matematika, Universitas Padjadjaran *E mail:
Perubahan Perilaku Pengguna nstant Messenger dengan Menggunakan Analisis Koresondensi Bersama (Studi Kasus Mahasiswa di Program Studi S-1 Matematika FMPA Unad) Dika Dwi Muharahman*, Nurul Gusriani, Elis
Lebih terperinciSKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN
SKRIPSI ANALISIS PENGELOMPOKKAN KECAMATAN DI KODYA SURABAYA BERDASARKAN VARIABEL-VARIABEL KEPENDUDUKAN, KESEHATAN DAN PENDIDIKAN Oleh : Rengganis L. N. R 302 00 046 PENDAHULUAN Latar Belakang Penduduk
Lebih terperinciBAB 3 LANDASAN TEORI
11 BAB 3 LANDASAN TEORI 3.1 Software Quality Control Seperti yang telah dimukakan di awal, bahwa kualitas adalah suatu parameter yang tidak mudah pengukurannya, yang disebabkan oleh banyaknya variable
Lebih terperinciBAB IV HASIL PENELITIAN. Telah dilakukan penelitian pada 53 pasien dengan polineuropati diabetika DM
BAB IV HASIL PENELITIAN 4.1 Karakteristik Subyek Penelitian Telah dilakukan enelitian ada 53 asien dengan olineuroati diabetika DM tie 2 yang berobat di oli Penyakit Saraf dan Poli Dalam RSUP Dr.Kariadi
Lebih terperinciBAB III ANALISIS RANTAI MARKOV PADA PERAMALAN PANGSA PASAR
BAB III ANALISIS RANTAI MARKOV PADA PERAMALAN PANGSA PASAR Berdasarkan ada bab sebelumnya, ada bab ini akan dijelaskan enetaan atribut-atribut (keseakatan istilah) yang akan digunakan, serta langkah-langkah
Lebih terperinciAPLIKASI DESAIN EKSPERIMEN TAGUCHI UNTUK PERBAIKAN KUALITAS AIR PDAM TIRTA MON PASE LHOKSUKON ACEH UTARA. Halim Zaini 1
APLIKASI DESAIN EKSPERIMEN TAGUCHI UNTUK PERBAIKAN KUALITAS AIR PDAM TIRTA MON PASE LHOKSUKON ACEH UTARA Halim Zaini 1 1 Staf Pengajar email : halimzain60@gmail.com ABSTRAK Kualitas air PDAM Tirta Mon
Lebih terperinciOleh : M. Mushonnif Efendi ( ) Dosen Pembimbing : Dr. Sony Sunaryo, M.Si.
OPTIMASI WAKTU PEMOTONGAN BAJA HSS PADA WIRE-EDM MENGGUNAKAN METODE TAGUCHI Oleh : M. Mushonnif Efendi (307 030 05) Dosen Pembimbing : Dr. Sony Sunaryo, M.Si. Prodi D3 STATISTIKA FAKULTAS ILMU PENGETAHUAN
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Pemilahan Data
BAB 3 PEMBAHASAN 3.1 Pemilahan Data Pemilahan data dilakukan untuk menentukan data mana saja yang akan diolah. Dalam enelitian ini, data yang diikutsertakan dalam engolahan ditentukan berdasarkan teori
Lebih terperinciANALISIS PENGENDALIAN KUALITAS PRODUK CETAK BUKU DENGAN MENGGUNAKAN SEVEN TOOLS PADA PT..XYZ
Yogyakarta, 27 Agustus 2008 ANALISIS PENGENDALIAN KUALITAS PRODUK CETAK BUKU DENGAN MENGGUNAKAN SEVEN TOOLS PADA PT..XYZ Jurusan Teknik Industri Fakultas Teknologi Industri Universitas Islam Sultan Agung
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Kerangka Pemikiran Penelitian ini dimulai dengan adanya ermasalahan yang ditemukan oleh enulis yakni mengenai validitas CAPM di dalam engalikasiannya terhada engukuran
Lebih terperinciSOAL PREDIKSI UJIAN NASIONAL MATEMATIKA IPS TAHUN 2015
SOAL PREDIKSI UJIAN NASIONAL MATEMATIKA IPS TAHUN 0 PAKET Pilihan Ganda: Pilihlah satu jawaban yang aling teat.. Ingkaran dari ernyataan Jika emerintah menghauskan kebijakan subsidi bahan bakar minyak
Lebih terperinciPENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE
PENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE Diah Ayu Novitasari * * Jurusan Manajemen, Fakultas Ekonomi Universitas Islam Lamongan Email :
Lebih terperinciPENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE
PENERAPAN REGRESI COX DAN REGRESI PARAMETRIK UNTUK ANALISIS SURVIVAL PASIEN JANTUNG MENGGUNAKAN R SOFTWARE Diah Ayu Novitasari *) *) Jurusan Manajemen, Fakultas Ekonomi Universitas Islam Lamongan Email
Lebih terperinciGambaran Perilaku Keluarga Terhadap Penderita Pasca Stroke Dalam Upaya Rehabilitasi Di RS St. Elisabeth Medan
No. Resonden : Tanggal wawancara Kuesioner Penelitian Gambaran Perilaku Keluarga Terhada Penderita Pasca Stroke Dalam Uaya Rehabilitasi Di RS St. Elisabeth Medan Keterangan / Petunjuk engisian 1. Setia
Lebih terperinciANALISIS FAKTOR RISIKO KEJADIAN BBLR DI RSKDIA SITI FATIMAH MAKASSAR 2016
ANALISIS FAKT RISIKO KEJADIAN BBLR DI RSKDIA SITI FATIMAH MAKASSAR 2016 Rahmawati STIKES Nani Hasanuddin Makassar Alamat koresondensi: Rahmaq320@gmail.com/085395118181 ABSTRAK BBLR adalah bayi dengan berat
Lebih terperincioleh seperangkat variabel X, maka persamaan di atas dinamakan persamaan struktural, dan modelnya disebut model struktural.
ANALISIS JALUR A. PENGERTIAN ANALISIS JALUR Telaah statistika menyatakan bahwa untuk tujuan eramalan/ endugaan nilai Y atas dasar nilai-nilai X 1, X,., X i, ola hubungan yang sesuai adalah ola hubungan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Prosedur Pengumulan Data 3.. Sumber Data Data yang digunakan dalam enelitian ini meruakan data sekunder yang diambil dari Deartemen Keuangan, BAPEPAM, dan IAPI. Data-data
Lebih terperinciRegresi Rasio Prevalensi dengan Model Log-Binomial: Isu Ketakkonvergenan. Netti Herawati 1) Alfian Futuhul Hadi 2)
BIAStatistika (2) Vol. 4, No., hal. 35 45 Regresi Rasio Prevalensi dengan Model Log-Binomial: Isu Ketakkonvergenan Netti Herawati ) Alfian Futuhul Hadi 2) ) Jurusan Matematika FMIPA Universitas Lamung
Lebih terperinciPenerapan Multivariate Exponentially Weighted Moving Average Control Chart Pada Proses Pembuatan Boiler di PT. ALSTOM ESI Surabaya
1 Peneraan Multivariate Exonentially Weighted Moving Average Control Chart Pada Proses Pembuatan Boiler di PT. ALSTOM ESI Surabaya R. Candra Dewantara (1), Dr. Muhammad Mashuri, M.T. () Jurusan Statistika,
Lebih terperinciJurnal EKSPONENSIAL Volume 4, Nomor 1, Mei 2013 ISSN
Perbandingan Metode Klasifikasi Regresi Logistik Dengan Jaringan Saraf Tiruan (Studi Kasus: Pemilihan Jurusan Bahasa dan IPS ada SMAN 2 Samarinda Tahun Ajaran 2011/2012) Comarison of Classification Methods
Lebih terperinciIV PEMBAHASAN. 4.1 Penentuan Titik Tetap Model Dinamika Virus HIV Titik tetap persamaan (3.1) diperoleh dengan menentukan dt 0, dt *
6 IV PEMBAHASAN 4. Penentuan Titik Teta Model Dinamika Titik teta ersamaan (3. dieroleh dengan menentukan dt, dt dan dv. Sehingga menurut ersamaan tersebut dieroleh titik teta s d N s dt T, T, V, T, kn
Lebih terperinciBab I Pendahuluan. I.1 Latar Belakang Masalah
Bab I Pendahuluan I. Latar Belakang Masalah Dalam beberaa tahun terakhir ini, roses emonitoran kestabilan barisan matriks korelasi mendaatkan erhatian yang amat serius dalam literatur, terutama dalam literatur
Lebih terperinciPengontrolan Kualitas Statistika Produk Wire Rod Steel Di PT. Krakatau Steel (Persero) Tbk. Cilegon
JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Print) Pengontrolan Kualitas Statistika Produk Wire Rod Steel Di PT. Krakatau Steel (Persero) Tbk. Cilegon Aditya Rahadian Fachrur dan Sri Mumuni
Lebih terperinciPengaruh Riwayat Pemberian ASI Terhadap Perkembangan Anak Usia Prasekolah di TK Kristen Imanuel Surakarta
Pengaruh Riwayat Terhada Perkembangan Anak Usia Prasekolah di TK Kristen Imanuel Surakarta 1 2 srilestarijs@yahoo.com 1 2 AKPER Insan Husada Surakarta Breast milk is the most erfect food for baby. Giving
Lebih terperinci270 o. 90 o. 180 o PENDAHULUAN
PENDAHULUAN Latar Belakang Perkembangan analisis data saat ini masih bertumu ada analisis untuk data linear. Disisi lain, untuk kasus-kasus tertentu engukuran dilakukan secara sirkular. Beberaa ilustrasi
Lebih terperinciPETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS
PETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS Adative R Control Chart as Alternative Shewhart R Control Chart in Detecting Small Shifts
Lebih terperinciIntegral dan Persamaan Diferensial
Sudaryatno Sudirham Studi Mandiri Integral dan Persamaan Diferensial ii Darublic BAB 3 Integral (3) (Integral Tentu) 3.. Luas Sebagai Suatu Integral. Integral Tentu Integral tentu meruakan integral yang
Lebih terperinciAPLIKASI DISCOUNTED CASH FLOW PADA KONTROL INVENTORY DENGAN BEBERAPA MACAM KREDIT PEMBAYARAN SUPPLIER
Program Studi MMT-ITS, Surabaya Agustus 9 APLIKASI ISOUNTE ASH FLOW PAA KONTROL INVENTORY ENGAN BEBERAPA MAAM KREIT PEMBAYARAN SUPPLIER Hansi Aditya, Rully Soelaiman Manajemen Teknologi Informasi MMT -
Lebih terperinciAnalisis Kapabilitas Proses Produksi Monosodium Glutamat (MSG) di PT. Ajinomoto Indonesia
JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Print) D-5 Analisis Kaabilitas Proses Produksi Monosodium Glutamat (MSG) di PT. Ajinomoto Indonesia Junta Dwi Kurnia, Sri Mumuni Retnaningsih,
Lebih terperinciBiaya Modal (Cost of Capital)
Bahan Ajar : Manajemen Keuangan II Digunakan untuk melengkai buku wajib Disusun oleh: Nila Firdausi Nuzula Biaya Modal (Cost of Caital) Caital Budgeting dan Cost of Caital (CoC) meruakan dua konse yang
Lebih terperinciANALISA PENGENDALIAN KUALITAS PRODUK GULA KRISTAL PUTIH DENGAN METODE SEVEN TOOLS Lailatus Sholiha, Achmad Syaichu 6
ANALISA PENGENDALIAN KUALITAS PRODUK GULA KRISTAL PUTIH DENGAN METODE SEVEN TOOLS Lailatus Sholiha, Achmad Syaichu 6 Abstrak: Adanya MEA dan rencana swasembada gula nasional tahun 019 yang mengharuskan
Lebih terperinciPeramalan Nilai Tukar (Kurs) Rupiah Terhadap Dolar Tahun 2017 dengan Menggunakan Metode Arima Box-Jenkins
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol.1, No.1, Juli 2017, Hal. 253-261 -ISSN: 2580-4596; e-issn: 2580-460X Halaman 253 Peramalan Nilai Tukar (Kurs) Ruiah Terhada
Lebih terperinciKOMBINASI DAN KOMPOSISI BAHAN BAKU UNTUK PENINGKATAN KUALITAS PAVING RUMPUT DI CV. X SURABAYA. Irwan Soejanto ABSTRACT
KOMBINASI DAN KOMPOSISI BAHAN BAKU UNTUK PENINGKATAN KUALITAS PAVING RUMPUT DI CV. X SURABAYA Irwan Soejanto ABSTRACT As a product, grass paving has its own characteristic. The producers always try to
Lebih terperinciAnalisis Kepuasan Pengunjung Terhadap Pelayanan Perpustakaan ITS
D7 JURNAL SAINS DAN SENI ITS Vol. 5 No. (6) 75 (-98X Print) Analisis Keuasan Pengunjung Terhada Pelayanan Perustakaan ITS Sandra Yuni Wulandari dan Wahyu Wibowo Jurusan, Fakultas MIPA, Institut Teknologi
Lebih terperinciMODIFIKASI FUNGSI DENSITY PADA ALGORITMA ANT CLUSTERING
MODIFIKASI FUNGSI DENSITY PADA ALGORITMA ANT CLUSTERING Kurniawan Nur Ramadhani 1), Febryanti Sthevanie ) Fakultas Informatika Universitas Telkom Jln Telekomunikasi No. 1 Terusan Buah Batu Bandung 4057
Lebih terperinciPETA KENDALI X DENGAN UKURAN SAMPEL DAN INTERVAL PENGAMBILAN SAMPEL YANG BERVARIASI
JURNAL TEKNIK INDUSTRI VOL. 2, NO. 2, DESEMBER 2: 72-83 PETA KENDALI X DENGAN UKURAN SAMPEL DAN INTERVAL PENGAMBILAN SAMPEL YANG BERVARIASI Pauline Astari Singgih Dosen Fakultas Teknologi Industri, Jurusan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Persoalan jalur terendek (Shortest Path) meruakan suatu jaringan engarahan erjalanan dimana seseorang engarah jalan ingin menentukan jalur terendek antara dua kota
Lebih terperinciKompleksitas Algoritma Quick Sort
Komleksitas Algoritma Quick Sort Fachrie Lantera NIM: 130099 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jln. Ganesha 10, Bandung E-mail : if099@students.if.itb.ac.id
Lebih terperinciAnalisis Pengelompokan Mengenai Perubahan Struktur Kependudukan Dalam Menghadapi Era Bonus Demografi Di Kabupaten/Kota Provinsi Jawa Timur
D-486 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Print) Analisis Pengelomokan Mengenai Perubahan Struktur Keendudukan Dalam Menghadai Era Bonus Demografi Di Kabuaten/Kota Provinsi Jawa Timur
Lebih terperinciOPTIMISASI PENJADWALAN PERAWAT DENGAN GOAL PROGRAMMING: SEBUAH STUDI KASUS DI RUMAH SAKIT UMUM PADANGSIDIMPUAN ABSTRAK
Prosiding Semirata05 bidang MIPA BKS-PTN Barat Universitas Tanjungura Pontianak OPTIMISASI PENJADWALAN PERAWAT DENGAN GOAL PROGRAMMING: SEBUAH STUDI KASUS DI RUMAH SAKIT UMUM PADANGSIDIMPUAN Pratiwi Siregar
Lebih terperinciProsiding Statistika ISSN:
Prosiding Statistika ISSN: 460-6456 Penggunaan Princial Comonent Analysis untuk Membuat Indeks Lingkungan dalam Mengukur Tingkat Kesejahteraan Use of Princial Comonent Analysis to Create an Environment
Lebih terperinciDETEKSI RISIKO DINI SAHAM GABUNGAN DENGAN MENGGUNAKAN VALUE at RISK
Program Studi MMT-ITS, Surabaya 14 Juli 01 DETEKSI RISIKO DINI SAHAM GABUNGAN DENGAN MENGGUNAKAN VALUE at RISK Haryono, Muhammad Sjahid Akbar dan Sony Sunaryo Statistics, Seuluh Noember Institute of Technology
Lebih terperinciPeningkatan Kualitas melalui Desain Eksperimen (Studi Kasus di Sebuah Perusahaan Krupuk, Blitar)
Peningkatan Kualitas melalui Desain Eksperimen (Studi Kasus di Sebuah Perusahaan Krupuk, Blitar) Debora Anne Y. A., Vivi Yasin Jurusan Teknik Industri, Fakultas Teknologi Industri, Universitas Kristen
Lebih terperinciPEMODELAN PENJADWALAN MATA PELAJARAN DENGAN INTEGER PROGRAMMING
PEMODELAN PENJADWALAN MATA PELAJARAN DENGAN INTEGER PROGRAMMING Dian Permata Sari, Sri Setyaningsih, dan Fitria Virgantari. Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciII. TINJAUAN PUSTAKA
II. TIJAUA PUSTAKA Portofolio Saham Portofolio berarti sekumulan investasi, untuk kasus saham, berarti sekumulan investasi dalam bentuk saham. Proses embentukan orfolio saham terdiri dari mengidentifikasi
Lebih terperinciPemodelan Biaya Tak Langsung Proyek Konstruksi di PT Wijaya Karya (Studi Kasus: Proyek Konstruksi Di Provinsi Kalimantan Timur)
Pemodelan Biaya Tak Langsung Proyek Konstruksi di PT Wijaya Karya (Studi Kasus: Proyek Konstruksi Di Provinsi Kalimantan Timur) Odik Fajrin Jayadewa, Dr. Irhamah, S.Si, M.Si, dan 3 Dwi Endah Kusrini, S.Si,
Lebih terperinciREKAYASA KUALITAS DALAM PENENTUAN SETTING MESIN DENGAN METODE TAGUCHI (PRODUK KAIN POLYESTER) Rudy Wawolumaja, Lindawati
REKAYASA KUALITAS DALAM PENENTUAN SETTING MESIN DENGAN METODE TAGUCHI (PRODUK KAIN POLYESTER) Rudy Wawolumaja, Lindawati Abstrak Penelitian ini dilakukan di pabrik tekstil, P. X Bandung. Masalah yang dihadapi
Lebih terperinciIV. METODOLOGI A. WAKTU DAN TEMPAT PELAKSANAAN B. ALAT DAN BAHAN C. METODE PELAKSANAAN MAGANG
IV. METODOLOGI A. WAKTU DAN TEMPAT PELAKSANAAN Kegiatan magang ini dilaksanakan selama 6 (enam) bulan terhitung mulai Februari 2011 samai dengan Juli 2011 di PT. United Tractors Pandu Engineering yang
Lebih terperinciBAB V HASIL PENELITIAN. 2010, didapatkan jumlah keseluruhan neonatus yang memenuhi kriteria inklusi
BAB V HASIL PENELITIAN 5.1 Karakteristik ibu dan neonatus Pengambilan samel dilakukan ada bulan Maret 2009 samai Aril 2010, didaatkan jumlah keseluruhan neonatus yang memenuhi kriteria inklusi sebanyak
Lebih terperinciAnalisis Faktor Risiko Kejadian Penyakit Jantung Koroner di RSUP Dr Kariadi Semarang
Analisis Faktor di RSUP Dr Kariadi Semarang Diana Zahrawardani 1, Kuntio Sri Herlambang 2, Hema Dewi Anggraheny 3 1 Mahasiswa Program endidikan S-1, Fakultas kedokteran, Universitas Muhammadiyah, Semarang
Lebih terperinciPEMERINTAH PROVINSI JAWA BARAT DINAS PENDIDIKAN SMK NEGERI 1 BALONGAN
PEMERINTAH PROVINSI JAWA BARAT DINAS PENDIDIKAN SMK NEGERI BALONGAN MODUL PEMBELAJARAN Kode. Dok PBM. Edisi/Revisi A/ Tanggal Juli Halaman dari A. Kometensi Inti KI : Memahami, menerakan, menganalisis,
Lebih terperinciPenentuan Nilai Parameter Mesin Las untuk Menghasilkan Kualitas Pengelasan yang Terbaik dengan Desain Eksperimental Taguchi 1.
Penentuan Nilai Parameter Mesin Las untuk Menghasilkan Kualitas Pengelasan yang Terbaik dengan Desain Eksperimental Taguchi Ferry Manihuruk & Isti Surjandari Departemen Teknik Industri, Fakultas Teknik
Lebih terperinciBab 4 PRINSIP PRINSIP PEMODELAN FISIS
Bab 4 PRINSIP PRINSIP PEMODELAN FISIS 4. Fase-fase Pemodelan Dalam bab ini kita akan mendiskusikan bagaimana membangun model model matematika system dinamis. Kita akan memerhatikan masalah bagaimana mencaai
Lebih terperinciBAB 6 KESIMPULAN DAN SARAN
BAB KESIMPULAN DAN SARAN.. Kesimpulan. Faktor-faktor yang dianggap mempengaruhi kualitas briket arang tempurung kelapa, adalah: a. Ukuran Screen Kasar (faktor A) b. Ukuran Screen Halus (faktor B) c. Kadar
Lebih terperinciSIMAK UI 2010 Matematika Dasar
SIMAK UI 00 Matematika Dasar Kode Soal 307 Doc. Name: SIMAKUI00MATDAS307 Version: 0-0 halaman 0. Dua buah dadu dilemar secara bersamaan. x adalah angka yang keluar dari dadu ertama. y adalah angka yang
Lebih terperinciBAB 3 PENGEMBANGAN TEOREMA DAN PERANCANGAN PROGRAM
BAB 3 PENGEMBANGAN TEOREMA DAN PERANCANGAN PROGRAM 3.1. Pengembangan Teorema Dalam enelitian dan erancangan algoritma ini, akan dibahas mengenai beberaa teorema uji rimalitas yang terbaru. Teorema-teorema
Lebih terperinciKLASIFIKASI RANCANGAN FAKTORIAL PECAHAN JENUH TIGA TARAF DALAM 27 RUN
, April 2008, p: 11-15 ISSN : 0853-8115 Vol 13 No.1 KLASIFIKASI RANCANGAN FAKTORIAL PECAHAN JENUH TIGA TARAF DALAM 27 RUN Bagus Sartono Departemen Statistika FMIPA IPB Email : bagusco4@yahoo.com Abstrak
Lebih terperinciPenerapan Taguchi Parameter Design dalam Penentuan Level Faktor. Produksi Batako untuk Memaksimumkan Kekuatan Tekan
(Studi Kasus di Balai Besar Keramik) Rudy Wawolumaja dan Ridani Faurika Fakultas Teknik, Universitas Kristen Maranatha, Bandung Abstract According to preliminary research conducted at Balai Besar Keramik,
Lebih terperinciBagan Kendali Rasio Likelihood dan Aplikasinya pada Data Kurs Mata Uang dan Industri
Vol. 10, No. 1, 26-34, Juli 2013 Bagan Kendali Rasio Likelihood dan Aplikasinya pada Data Kurs Mata Uang dan Industri Andi Fitri Ayu 1, Erna Tri Herdiani 1, M. Saleh AF 1, Anisa 1, Nasrah Sirajang 1 Abstrak
Lebih terperinciBAB II KAJIAN PUSTAKA. sehingga dapat diamati dan diidentifikasi alasan-alasan perubahan yang terjadi
BAB II KAJIAN PUSTAKA A. Rancangan Percobaan Rancangan percobaan dapat diartikan sebagai serangkaian uji dimana perubahan yang berarti dilakukan pada variabel dari suatu proses atau sistem sehingga dapat
Lebih terperinciPENENTUAN KONDISI PENGOLAHAN DAN PENYAJIAN BUMBU RAWON INSTAN BUBUK DENGAN METODE TAGUCHI
PENENTUAN KONDISI PENGOLAHAN DAN PENYAJIAN BUMBU RAWON INSTAN BUBUK DENGAN METODE TAGUCHI Julianingsih Dosen Fakultas Teknologi Industri, Jurusan Teknik Industri, Universitas Kristen Petra Febrina Prasetyo
Lebih terperinciAPLIKASI REGRESI PARTIAL LEAST SQUARE UNTUK ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN MANUSIA DI KOTA YOGYAKARTA
-ISSN 979 3693 e-issn 2477 0647 MEDIA STATISTIKA 9(2) 206: 75-84 htt://eournal.undi.ac.id/index.h/media_statistika APLIKASI REGRESI PARTIAL LEAST SQUARE UNTUK ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG MEMPENGARUHI
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak
PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,
Lebih terperinciBAB II TINJAUAN PUSTAKA. untuk berkunjung ke suatu negara. Permintaan pariwisata biasanya diukur dari segi
BAB II TINJAUAN PUSTAKA 2.1 Permintaan Pariwisata Pariwisata mamu mencitakan ermintaan yang dilakukan oleh wisatawan untuk berkunjung ke suatu negara. Permintaan ariwisata biasanya diukur dari segi jumlah
Lebih terperinciPROSIDING ISSN: PM-32 ANALISI KESULITAN MAHASISWA DALAM MENYELESAIKAN MASALAH PERSAMAAN DIFERENSIAL
PM-32 ANALISI KESULITAN MAHASISWA DALAM MENYELESAIKAN MASALAH PERSAMAAN DIFERENSIAL Sumargiyani 1), Muhammad Iqna Hibatallah 2), Universitas Ahmad Dahlan 1),2) sumargiyani04@yahoo.om, iqnaunyu@gmail.om
Lebih terperinciPROSIDING ISSN: PM-20 ANALISIS KESULITAN MAHASISWA DALAM MENYELESAIKAN MASALAH PERSAMAAN DIFERENSIAL
PM-20 ANALISIS KESULITAN MAHASISWA DALAM MENYELESAIKAN MASALAH PERSAMAAN DIFERENSIAL Sumargiyani 1) Muhammad Iqna Hibatallah 2) Universitas Ahmad Dahlan 1)2) sumargiyani04@yahoo.om iqnaunyu@gmail.om Abstrak
Lebih terperinciKlasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan
Statistika, Vol. 15 No. 2, 87-97 November 215 Klasifikasi Kecamatan Berdasarkan Nilai Akhir SMA/MA di Kabupaten Aceh Selatan Menggunakan Analisis Diskriminan Fitriana A.R. 1, Nurhasanah 2, Ririn Raudhatul
Lebih terperinciOPTIMASI KUALITAS HALLOW BLOCK DENGAN METODE TAGUCHI INTISARI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 6, No. 01 (2017), hal 61 68. OPTIMASI KUALITAS HALLOW BLOCK DENGAN METODE TAGUCHI Suwarno, Naomi Nessyana Debataraja, Setyo Wira Rizki INTISARI
Lebih terperinciUNIVERSITAS NEGERI SEMARANG
ANALISIS MODEL PERSAMAAN REGRESI COX PROPORTIONAL HAZARD PADA DATA STATUS GIZI BALITA UNTUK MENGETAHUI FAKTOR-FAKTOR PENYEBAB TERJADINYA KEKURANGAN GIZI Skrisi disusun sebagai salah satu syarat untuk memeroleh
Lebih terperinciPENERAPAN METODE SPC DAN TAGUCHI DALAM IDENTIFIKASI FAKTOR KECACATAN PRODUK RIM
PENERAPAN METODE SPC DAN TAGUCHI DALAM IDENTIFIKASI FAKTOR KECACATAN PRODUK RIM Cahyono dan Mulki Siregar Teknik Industri Universitas Islam Jakarta cahyono76@gmail.com Abstrak Meminimalkan produk cacat
Lebih terperinciBAB 4 METODOLOGI PEMECAHAN MASALAH
BAB 4 METODOLOGI PEMECAHAN MASALAH 4.1. Model Perumusan Masalah dan Pengambilan Keputusan Metodologi pemecahan masalah merupakan tahap menggambarkan jalannya proses penelitian atau pemecahan masalah yang
Lebih terperinciDIMENSI PARTISI PADA GRAPH HASIL KORONA C m K n
DIMENSI PARTISI PADA GRAPH HASIL KORONA C m K n Nama : Yogi Sindy Prakoso NRP : 106 100 015 Jurusan : Matematika FMIPA-ITS Pembimbing : Drs. Suhud Wahyudi, M.Si Dra. Titik Mudiati, M.Si Abstrak Grah adalah
Lebih terperinciPenerapan Metode Taguchi Untuk Meningkatkan Kualitas Kain Tenun Pada Sentra Industri Kain Tenun Kabupaten Pemalang
Penerapan Metode Taguchi Untuk Meningkatkan Kualitas Kain Tenun Pada Sentra Industri Kain Tenun Kabupaten Pemalang Zulfah, Saufik Luthfianto, M. Fajar Nurwildani Dosen Program Studi Teknik Industri Universitas
Lebih terperinciPENENTUAN KOMPOSISI BAHAN BAKU OPTIMAL PRODUK KECAP X DENGAN METODE TAGUCHI
PENENTUAN KOMPOSISI BAHAN BAKU OPTIMAL PRODUK KECAP X DENGAN METODE TAGUCHI Julianingsih, Debora Anne Yang Aysia Fakultas Teknologi Industri, Jurusan Teknik Industri, Universitas Kristen Petra Email: julianingsih@ford.com,
Lebih terperinciPENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON
E-Jurnal Matematika Vol., No., Mei 013, 49-53 ISSN: 303-1751 PENERAPAN REGRESI GENERALIZED POISSON UNTUK MENGATASI FENOMENA OVERDISPERSI PADA KASUS REGRESI POISSON I PUTU YUDANTA EKA PUTRA 1, I PUTU EKA
Lebih terperinciBAB III MODEL EXPONENTIAL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTIC IN MEAN (EGARCH-M)
30 BAB III MODEL EXPOETIAL GEERALIZED AUTOREGRESSIVE CODITIOAL HETEROSCEDASTIC I MEA (EGARCH-M) 3.1 Proses EGARCH Exonential GARCH (EGARCH) diajukan elson ada tahun 1991 untuk menutui kelemahan model ARCH/GARCH
Lebih terperinciANALISA PENYEBAB KECACATAN PRODUK KARUNG GONI DENGAN METODE TAGUCHI DAN ANOVA PADA PT. SRI INTAN KARPLAS INDUSTRY
ANALISA PENYEBAB KECACATAN PRODUK KARUNG GONI DENGAN METODE TAGUCHI DAN ANOVA PADA PT. SRI INTAN KARPLAS INDUSTRY TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian Dari Syarat-Syarat Memperoleh Gelar Sarjana
Lebih terperinciSUMMARY HUBUNGAN FAKTOR PERILAKU DAN LINGKUNGAN LUAR RUMAH DENGAN KEJADIAN MALARIA DI DESA KAIDUNDU KECAMATAN BULAWA KABUPATEN BONE BOLANGO TAHUN 2013
SUMMARY HUBUNGAN FAKTOR PERILAKU DAN LINGKUNGAN LUAR RUMAH DENGAN KEJADIAN MALARIA DI DESA KAIDUNDU KECAMATAN BULAWA KABUPATEN BONE BOLANGO TAHUN 2013 Ariyanto Pakaya NIM 811409138 Program study Kesehatan
Lebih terperinciBAB III METODOLOGI PENELITIAN
27 BAB III METODOLOGI PENELITIAN Pada penelitian ini diperlukan beberapa tahapan, dimana tahap pertama diawali dari survey pendahuluan untuk mengetahui real permasalahan yang terjadi di sentra industri
Lebih terperinciOptimisasi Penjadwalan Perawat Dengan Program Gol Linear
Jurnal Sains Matematika dan Statistika Vol. No. Juli 05 ISSN 460-454 Otimisasi Penjadwalan Perawat Dengan Program Gol Linear Pratiwi Siregar Habibis Saleh M.D.H. Gamal 3 Jurusan Matematika Fakultas Matematika
Lebih terperinciANALISIS PENGENDALIAN KUALITAS PRODUK AKHIR PABRIK KAYU DI PT. HADINATA BROTHER S & CO
ANALISIS PENGENDALIAN KUALITAS PRODUK AKHIR PABRIK KAYU DI PT. HADINATA BROTHER S & CO HARI MOEKTIWIBOWO DAN ADE KRISNADI Program Studi Teknik Industri Universitas Suryadarma Jakarta ABSTRACT PT. Hadinata
Lebih terperinciPENGENDALIAN PROSES VARIABILITAS MULTIVARIAT MELALUI VEKTOR RAGAM (STUDI KASUS : IPK DAN LAMA STUDI LULUSAN MATEMATIKA UNIVERSITAS ANDALAS)
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 104 111 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGENDALIAN PROSES VARIABILITAS MULTIVARIAT MELALUI VEKTOR RAGAM (STUDI KASUS : IPK DAN LAMA STUDI LULUSAN
Lebih terperinciAlgoritma Jaringan Syaraf Tiruan Hopfield
2.6. Jaringan Saraf Tiruan Hofield Jaringan syaraf Tiruan Hofield termasuk iterative autoassociative network yang dikembangkan oleh Hofield ada tahun 1982, 1984. Dalam aringan Hofield, semua neuron saling
Lebih terperinciD-109 JURNAL SAINS DAN SENI ITS Vol. 4, No.1, (2015) ( X Print)
D-9 JURNAL SAINS DAN SENI ITS Vol 4 No 25 2337-352 23-928X Print Pemodelan Log Linier dan Regresi Logistik Biner Bivariat ada Hasil Medical Check-U Pegawai Negeri Siil PNS Institut Teknoi Seuluh Noember
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Kepuasan Pelanggan Martabak Mercon
1 Analisis aktor-aktor yang Memengaruhi Keuasan Pelanggan Martabak Mercon Billy Tri Budiartha, Kresnayana Yahya Jurusan Statistika, akultas MIPA, Institut Teknologi Seuluh Noember (ITS) Jalan Arief Rahman
Lebih terperinciMENENTUKAN KOMPOSISI OPTIMAL DARI FAKTOR- FAKTOR YANG MEMENGARUHI KETAHANAN ASPAL DENGAN METODE TAGUCHI
MENENTUKAN KOMPOSISI OPTIMAL DARI FAKTOR- FAKTOR YANG MEMENGARUHI KETAHANAN ASPAL DENGAN METODE TAGUCHI GUSTI AYU PUTU YULIANDARI 1, I GUSTI AYU MADE SRINADI 2, I WAYAN SUMARJAYA 3 1, 2, 3 Jurusan Matematika
Lebih terperinciTRANSFORMASI AFFIN PADA BIDANG
Jurnal Matematika Vol. No. November 03 [ : 8 ] TRANSFORMASI AFFIN PADA BIDANG Gani Gunawan dan Suwanda Program Studi Matematika, Fakultas MIPA, Universitas Islam Bandung Prgram Studi Statistika, Fakultas
Lebih terperinciSiklus Carnot dan Hukum Termodinamika II
Siklus Carnot dan Hukum Termodinamika II Siklus Carnot Siklus adalah suatu rangkaian roses sedemikian rua sehingga akhirnya kembali keada keadaan semula. Perhatikan Gambar 1! Gambar 1. Siklus termodinamika.
Lebih terperinciPENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL
Lebih terperinci(D.4) DESAIN PARAMETER UNTUK DATA DISKRIT PADA ROBUST DESIGN. Oleh Budhi Handoko 1), Sri Winarni 2)
(D.4) DESAIN PARAMETER UNTUK DATA DISKRIT PADA ROBUST DESIGN Oleh Budhi Handoko ), Sri Winarni ),) Staf Pengajar Jurusan Statistika FMIPA, Unpad Bandung Email ) : budhihandoko@unpad.ac.id Email ) : sri.winarni@unpad.ac.id
Lebih terperinciPengontrolan Kualitas Statistika pada Proses Produksi Woven Poly Propelene (WPP) Menggunakan Metode Diagram Kontrol Improved Generalized Variance
Pengontrolan Kualitas Statistika ada Proses Produksi Woven Poly Proelene (WPP) Menggunakan Metode Diagram Kontrol Imroved Generalized Variance Ulil Azmi (3080004) ), Sri Mumuni Retnaningsih ) ) Mahasiswa
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.. Kerangka Pikir Penelitian ini dilakukan untuk mengetahui aakah terdaat engaruh dan hubungan antara total nilai aset reksa dana dengan risiko asar reksa dana (beta), standar
Lebih terperinciBAB III METODOLOGI PENELITIAN. sampling, (e) Validitas dan Reliabilitas, (f) Metode analisis data
BAB III METODOLOGI PENELITIAN Pada embahasan dalam metode enelitian ini akan menguraikan mengenai (a) Identifikasi variabel enelitian, (b) Defenisi oerasional variabel enelitian, (c)metode engumulan data,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sektor industri merupakan salah satu sektor penting dalam pembangunan perekonomian di Indonesia. Berbagai macam industri mengalami perkembangan yang cukup pesat. Salah
Lebih terperinciOPTIMALISASI PROSES PRODUKSI YANG MELIBATKAN BEBERAPA FAKTOR DENGAN LEVEL YANG BERBEDA MENGGUNAKAN METODE TAGUCHI SKRIPSI
OPTIMALISASI PROSES PRODUKSI YANG MELIBATKAN BEBERAPA FAKTOR DENGAN LEVEL YANG BERBEDA MENGGUNAKAN METODE TAGUCHI SKRIPSI Disusun oleh ANNISA INTAN MAYASARI 24010210120033 JURUSAN STATISTIKA FAKULTAS SAINS
Lebih terperinciBAB III KALMAN FILTER DISKRIT. Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma)
BAB III KALMAN FILTER DISKRIT 3.1 Pendahuluan Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma) yang memberikan perhitungan efisien dalam mengestimasi state proses, yaitu dengan
Lebih terperinciBAB 3. Perhitungan Perubahan Entalpi
BAB Perhitungan Perubahan Entali.1. ransisi Fasa ransisi Fasa terjadi dari fasa adat menjadi fasa air, dari fasa air menjadi fasa gas, dan sebaliknya. Pada roses transisi ini terjadi erubahan entali (dan
Lebih terperinciOPTIMALISASI PROSES PRODUKSI YANG MELIBATKAN BEBERAPA FAKTOR DENGAN LEVEL YANG BERBEDA MENGGUNAKAN METODE TAGUCHI
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman 303-312 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian OPTIMALISASI PROSES PRODUKSI YANG MELIBATKAN BEBERAPA FAKTOR
Lebih terperinci