Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal"

Transkripsi

1 JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D86 Pemodela Kods Jarga Lstr PT. PLN (Persero) Area Surabaya Selata dega Aalss Regres Logst Ordal Des Olva Sswadar da Haryoo Dearteme Statsta, Faultas MIPA, Isttut Teolog Seuluh Noember (ITS) e-mal: Abstra PT. PLN Area Surabaya Selata meruaa salah satu ut yag memuya tugas oo medstrbusa teaga lstr e elagga. Dalam sstem tegaga lstr tetu tda terhdar dar suatu masalah ualtas yag dbuta dega adaya eluha terhada gaggua lstr dar masyaraat. PT. PLN (Persero) meetaa ods jarga yag terbag mejad, yatu semura, sehat, sat da ros. Kods jarga yag dtetaa PT. PLN selama mash belum teat area haya berdasar ada jumlah gaggua. Tujua dalam eelta adalah megelomoa jarga dega aalss laster K-Meas da memodela masg-masg elomo jarga PT. PLN area Surabaya Selata dega aalss regres logst ordal, sehgga daat detahu varabel yag membedaa atar elomo. Varabel redtor dalam eelta adalah elas aset, jumlah elagga TM, jumlah elagga TR, ajag JTM, da beba rata-rata. Data dbag mejad dua elomo, yag emuda dlaua aalss regres logst ordal ada masg masg elomo. Varabel yag mejad embeda atara elomo da elomo adalah varabel ajag JTM. Kata Kuc Jarga, Klaster K-Meas, PT. PLN Area Surabaya Selata, Regres Logst Ordal. L I. PENDAHULUAN ISTRIK meruaa ebutuha yag medasar utu berbaga atvtas mausa, yag mejada mausa tergatug aa eberadaaya. PT. PLN (Persero) meruaa Bada Usaha Ml Negara (BUMN) eyeda lstr yag memaso ebutuha lstr utu rumah tagga da dustr dega jumlah elagga sebaya, juta []. PT. PLN Area Surabaya Selata meruaa salah satu ut PT. PLN (Persero) yag medstrbusa teaga lstr e elagga melalu jarga tegaga meegah, serta melaya da meyalura eerg eada elagga. PT. PLN Area Surabaya Selata meml Rayo tersebar yatu Darmo Perma, Duuh Kuag, Rugut, Ngagel, da Gedaga dega total jarga sebaya 7. Dalam sstem tegaga lstr tetu tda terhdar dar suatu masalah ualtas tegaga mauu otutas elayaa. Hal terbut dega adaya eluha terhada gaggua lstr dar masyaraat. Seta tahuya PT. PLN Area Surabaya Selata meml target gaggua lstr masmal, yag haraaya baya gaggua lstr berada dbawah target. Utu mecaa target tersebut, derlua strateg utu efses eagaa gaggua. Berdasara hal tersebut PT. PLN (Persero) telah meetaa ods jarga yag dbag mejad, yatu semura, sehat, sat da ros. Sema tgg ods jarga, maa sema baya aggara yag dbera. Kods jarga yag telah dtetaa PT. PLN selama mash belum teat, area haya berdasar bayaya gaggua d masg-masg jarga. Padahal ada datordator la yag dduga beregaruh utu meetua ods jarga seert elas aset, jumlah elagga TM, jumlah elagga TR, ajag JTM, serta beba rata-rata ada suatu jarga. Sebaga betu evaluas, dalam eelta aa dlaua aalss terhada varabel-varabel yag meetua lasfas ods jarga. Peelta dlaua dega megelomoa jarga mejad elomo berdasara dator-dator yag dduga daat meetua ods jarga. Kemuda dlaua aalss regres logst ordal utu megetahu dator- dator yag mejad embeda atar elomo. Tujua dar eelta adalah megelomoa jarga da memodela masg-masg elomo rortas jarga PT. PLN area Surabaya Selata dega aalss regres logst ordal, sehgga daat detahu varabel yag membedaa atar elomo. II. TINJAUAN PUSTAKA A. Metode Klaster No-Hrar (K-Meas) K-meas meruaa metode laster o hrar yag memarts da membag data e dalam betu satu atau lebh elomo, sehgga data yag meml araterst delomoa e dalam satu laster. Te egelomoa dega megguaa metode o hrar adalah dracag utu tem elomo, bua varabel, mejad sebuah elomo K-laster. Jumlah K-laster daat dtetua secara lagsug atau dtetua dega taha-taha yag sesua dega rosedur laster. Mac Quee meyaraa bahwa egguaa metode K-meas utu mejelasa algortma dalam eetua suatu obye e dalam laster tertetu berdasara rataa tertetu. Lagah aalss dega megguaa metode laster o hrar adalah sebaga berut []:. Bag data dalam K elomo laster. Tetua usat awal laster.. Htug jara data e usat laster da megelomoa data berdasara mea terdeat.. Htug embal tt usat laster baru berdasara ratarata dar masg-masg K elomo laster yag terbetu.

2 JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D87. Ulag lagah. hgga tda ada data yag megalam erdaha obje atau megalam erdaha elomo laster sebelumya.. B. Pegecea Asums Multoleartas Multoleartas meruaa terjadya orelas lear yag tgg d atara varabel-varabel redtor (X, X,..., X ) []. Asums meruaa satu-satuya asums yag harus tereuh dalam megguaa metode regres logst. Pegecea asums multolerartas daat dlaua dega melhat la VIF dar seta varabel redtor yag deroleh dega melaua regres masg-masg varabel reds dega varabel redtor laya da melhat la R (oefse determas). Aabla la VIF lebh dar 0, artya terjad multoleartas atar varabel redtor. VIF dsefsa dalam ersamaa VIF, j,,.., () R j dmaa, R j adalah la oefse determas redtor e-j dega redtor laya. Nla R j deroleh dar ersamaa berut: R j j j ˆ j j. C. Regres Logst Ordal Regres logst ordal meruaa salah satu metode statst yag dguaa utu megaalsa hubuga atara varabel reso da varabel redtor, dmaa varabel reso bersfat olotomus dega sala ordal []. Model yag dguaa utu regres logst ordal adalah model logt, dmaa sfat yag tertuag dalam eluag umulatf sehgga model logt umulatf meruaa model yag ddaata dega cara membadga eluag umulatf yatu eluag urag dar atau sama dega ategor reso e-r ada varabel redtor yag dyataa dalam vetor, dega eluag lebh besar darada etegor reso e-r, P(Y > r ) []. Peluag umulatf P(Y r ) ddefsa sebaga berut. e 0r P Y r () e 0r dmaa = (,,..., ) meruaa la egamata e- ( =,,..., ) dar seta varabel varabel redtor. Pedugaa arameter regres dlaua dega cara meguraaya mejad trasformas logt dar P(Y r ). LogtP Y r P Y r l - P Y r 0r dega la β utu seta =,,..., ada seta model regres logst ordal adalah sama. Ja terdaat ategor reso dmaa r =,,, maa eluag umulatf dar reso e-r seert ersamaa (), (), (6). () P Y P Y e e e 0 e 0 e 0 P Y (6) e 0 Berdasara etga eluag umulatf ada ersamaa (), (), (6), ddaata eluag utu masg-masg ategor reso sebaga berut. e P Y (7) e P Y P Y P Y e 0 e 0 e e e 0 e 0 e 0 e 0 () () (8) (9) e 0 (0) e 0 D. Peguja Estmas Parameter Model yag telah deroleh erlu duj sgfas ada oefse β terhada varabel reso, yatu dega uj sereta da uj arsal. ) Uj Sereta Peguja dguaa utu memersa sgfas oefse β secara eseluruha, dega hotess: H 0 : β = β =... = β = 0 H : mmal ada satu β 0, =,,..., Statst uj yag dguaa adalah statst uj G atau Lelhood Rato Test ada ersamaa (0). dmaa, G l y y y y y, y, y, y, ()

3 JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D88 = Statst uj G megut dstrbus Ch- Square dega derajat bebas v, sehggavh 0 dtola ja G > χ (α,v) atau la value < α. []. ) Uj Parsal Peguja dguaa utu memersa sgfas oefse β secara arsal dega hotess da statst uj: H 0 : β = 0 H : β 0, =,,..., Statst uj yag dguaa adalah statst uj Wald. ˆ W SE ˆ () Daerah eolaa H 0 adalah W > Z α/ atau W > χ (db, α) dega db adalah bayaya varabel redtor []. E. PT. PLN Area Surabaya Selata PT. PLN Area Surabaya Selata meruaa salah satu ut PT. PLN (Persero) yag memuya tugas oo medstrbusa teaga lstr e elagga melalu jarga tegaga meegah, serta melaya da meyalura eerg eada elagga. Dalam sstem tegaga lstr tetu tda terhdar dar suatu masalah ualtas tegaga mauu otutas elayaa. Hal terbut dega adaya eluha terhada gaggua lstr dar masyaraat. Seta tahuya PT. PLN Area Surabaya Selata meml target gaggua lstr masmal, yag haraaya baya gaggua lstr berada dbawah target. Utu mecaa target tersebut, derlua strateg utu efses eagaa gaggua. Berdasara hal tersebut PT. PLN (Persero) meetaa ods jarga yag dbag mejad, daat dlhat dalam Tabel. Tabel. Kods Jarga Kods Baya Gaggua dalam tahu Semura 0 Sehat - Sat Kros > Peetua ods jarga dalam Tabel, dtetua berdasara jumlah gaggua yag terjad selama tahu. Adau dator-dator la yag dduga beregaruh dalam meetua aggara gaggua adalah.. Kelas Aset adalah eggologa elas aset dstrbus yag ddasara ada erbedaa daerah elayaa. Kelas aset dbedaa mejad, yatu elas (awasa dustr), elas (erotaa), elas (edesaa). Aset trafo dstrbus yag berada ada elas aset yag berbeda aa medaat freues emelharaa terhada trafo dstrbus elas lebh serg/ceat dbadga elas da [6].. Pelagga Tegaga Meegah adalah eggua lstr yag berlaggaa jarga dega tegaga meegah. Pelayaa yag dbera ada jarga tegaga meegah meml beberaa usur yatu: Kotutas elayaa, egatura tegaga da tegaga ed yag dza.. Jumlah Pelagga Tegaga Redah adalah eggua lstr yag berlaggaa jarga dega tegaga redah.. Pajag Jarga Tegaga Meegah (JTM) meml satua lometer srut (ms). Pajag JTM meruaa jara dalam satu jarga, dmaa sema ajag JTMya baya emelharaa yag deluara sema besar ja terjad gaggua.. Beba rata-rata adalah beba rata-rata ada suatu jarga dega satua Amere (A), dmaa sema beba ratarata suatu jarga maa sema tgg tgat rortasya. III. METODOLOGI PENELITIAN A. Sumber Data Data yag dguaa dalam eelta meruaa data seuder deroleh dar PT. PLN Area Surabaya Selata yatu data laora gaggua jarga PT. PLN Area Surabaya Selata tahu 6. PT. PLN Area Surabaya Selata meaug 7 jarga dar rayo, yatu Darmo Perma, Duuh Kuag, Gedaga, Ngagel, da Rugut. Varabel yag dguaa dalam eelta berua varabel reso da varabel redtor yag dsaja dalam Tabel. Tabel. Varabel Peelta Smbol Varabel Kategor Ket. Y Kods Jarga X Kelas aset Semura Sehat Sat Kros Idustr Perotaa Pedesaa X Bayaya elagga TM - - X Bayaya elagga TR - - X Pajag JTM (ms) - - X Beba rata-rata (A) - - B. Lagah-Lagah Aalss Data Lagah aalss data yag dlaua utu megaalss tgat rortas jarga d PT. PLN Area Surabaya Selata adalah sebaga berut.. Medesrsa araterst dar jarga d PT. PLN Area Surabaya Selata berdasara emat ategor dar varabel reso.. Membag data mejad dua, yatu data trag da data testg masg-masg sebaya 7% da %.. Melaua egelomoa mejad dua elomo terhada data trag, dega megguaa metode laster o-hrar (K-Meas) berdasara varabel redtor. Selajutya medesrsa araterst dar masg-masg elomo berdasara varabel redtor.. Melaua aalss regres logst ordal d ta elomo utu megetahu dator-dator yag membedaa atar elomo. Aalss regres logst ordal terdr dar beberaa tahaa aalss sebaga berut: a. Uj sgfas arameter secara sereta da arsal utu megetahu varabel redtor yeg beregaruh sgfa secara sereta da dvdu terhada model.

4 JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D89 b. Membuat model regres logst ordal berdasara varabel-varabel yag sgfa ada eguja estmas arameter secara arsal.. Meglasfasa data testg berdasara model regres logst ordal. IV. ANALISIS DAN PEMBAHASAN A. Pegelomoa Jarga PT. PLN Area Surabaya Selata Karaterst jarga PT. PLN area Surabaya Selata berdasara emat ategor ods jarga tahu 6 daat dlhat dalam Gambar. Gambar meujua bahwa sebaya 6,6% dar 7 jarga meml ods semura yatu tda terjad gaggua, 8% dar 7 jarga terjad da gaggua, 9,6% jarga terjad gaggua, da,9% dar 7 jarga terjad gaggua lebh dar gaggua selama tahu 6. Kods jarga yag telah dtetaa PT. PLN selama mash belum teat, area haya berdasar bayaya gaggua d masg-masg jarga. Oleh area tu dlaua egelomoa jarga dlaua megguaa aalss laster K-Meas. Pegelomoa dlaua terhada 0 data trag, da meghasla jarga masu dalam elomo, 76 jarga masu dalam elomo. 6,6% B. Uj Multoleartas Peguja multoleartas dlaua utu megetahu ada atau tdaya hubuga atar varabel redtor dalam model regres logst ordal. Multoleartas daat dersa melalu la VIF yag dsaja dalam Tabel. Tabel. Nla VIF Kelomo & Kelomo Kelomo Varabel R VIF R VIF Kelas Aset 0,,67 0,8,7 Jumlah Pelagga TM 0,0,76 0,77,8 Jumlah Pelagga TR 0,09,00 0,8,77 Pajag JTM 0,86,9 0,8,9 Beba Rata-rata 0,077,08 0,009,008 Tabel meujua bahwa masg-masg varabel redtor meml la VIF lebh ecl dar 0. Sehgga daat dsmula bahwa ada data elomo & tda terjad asus multoleartas. C. Regres Logst Ordal Kelomo Aalss regres logst ordal yag ertama adalah melaua uj sgfas arameter secara sereta dega hotess: H 0 : β = β = β = β = β = 0 H : mmal ada satu β 0, =,,,, Pada taraf sgfas %, hasl uj sgfas arameter secara sereta dsaja dalam Tabel.,9% 8,0% Tabel. Uj Sgfas Parameter Secara Sereta dar Kelomo Model - Log Lelhood Ch-Square df Keutusa Itercet Oly 97,00 Fal 79, 7,77 Tola H 0 9,6% Gambar. Persetase ods jarga. Semura Sehat Sat Kros Selajutya dlaua aalss statstsa desrtf yag dtamla dalam Tabel. Tabel. Karaterst Kelomo & Varabel Kel. Mea Std. Dev M Ma X,6,88 0 0,9, X X,886, ,06,98 0 X 9,07 9,6 0,7 6, 0 Tabel meujua bahwa elomo meml rata-rata yag lebh tgg darada elomo berdasara elagga TR, ajag JTM, da beba rata-rata. Sedaga elomo meml rata-rata jumlah elagga TM lebh tgg darada elomo, dega jumlah elagga masmum adalah sebaya 7 elagga TM. Tabel meujua hasl eguja secara sereta yag meghasla la G sebesar 79, yag artya lebh besar dar χ (0,0;) =,070, maa daat dambl eutusa tola H 0. Sehgga daat dataa alg sedt ada satu varabel redtor yag sgfa masu edalam model. Setelah dlaua eguja sgfas arameter secara sereta, dlaua eguja arameter secara arsal dega hotess: H 0 : β = 0 H : β 0, =,,,, Pada taraf sgfas %, berut hasl uj sgfas arameter secara arsal dtamla dalam Tabel 6. Tabel 6. Uj Sgfas Parameter Secara Parsal dar Kelomo Varabel Koef (B) Wald P value Y () Y () Y () Y () X () X () 0,807,77,80 Pembadg 0,0,,78 0,77 0,067 0,0 0,069 0,00 0,9 Pembadg X -0,0 0,08 0,809 X -0,00 0,87 0,60 X 0,708 8,6 0,00 X -0,006 0,98 0,9

5 JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D90 Berdasara Tabel 6 terlhat bahwa varabel redtor ajag JTM beregaruh secara sgfa terhada ods jarga dalam elomo. Selajutya adalah membetu fugs model logt. Logt (Semura) g 0,807 0,069 X 0,0 X 0,0008 X 0,708 X 0, 006 X [] Logt (Sehat) g,77 0,069 X 0,0 X 0,0008 X 0,708 X 0, 006 X [] Logt (Sat) g,80 0,069 X 0,0 X 0,0008 X 0,708 X 0, 006 X [] Model regres logst ordal elomo meml la R sebesar 0,7 atau sebesar 7,%. Artya varabel elas aset, jumlah elagga TM, jumlah elagga TR, ajag JTM, da beba rata-rata memegaruh ods jarga sebesar 7,% sedaga 6,7% degaruh oleh fator-fator laya yag tda termasu dalam eguja model. D. Regres Logst Ordal Kelomo Aalss regres logst ordal yag ertama ada dalam elomo juga dlaua uj sgfas arameter secara sereta dega hotess: H 0 : β = β = β = β = β = 0 H : mmal ada satu β 0, =,,,, Pada taraf sgfas %, hasl uj sgfas arameter secara sereta dsaja dalam Tabel 7. Tabel 7. Uj Sgfas Parameter Secara Sereta dar Kelomo Model - Log Lelhood Ch-Square df Keutusa Itercet Oly 98,9 Fal 8,9 9,700 6 Tola H 0 Tabel 8. Uj Sgfas Parameter Secara Parsal dar Kelomo Varabel Koef (B) Wald P value Y () Y () Y () Y () X () X () X () 0,0787,0968,7099 Pembadg -0,6-0,87 Pembadg 0,0,6,7 0,6 0,6 0,976 0,99 0,099 0,7 0,899 X 0,6 7,89 0,006 X -0,000 0,00 0,9 X 0,60 9, 0,00 X -0,0076,7 0, Tabel 7 meujua hasl eguja secara sereta yag meghasla la G sebesar 8,9 yag artya lebh besar dar χ (0,0;6) =,9, maa daat dambl eutusa tola H 0. Sehgga daat dataa alg sedt ada satu varabel redtor yag sgfa masu edalam model. Setelah dlaua eguja sgfas arameter secara sereta, dlaua eguja arameter secara arsal dega hotess: H 0 : β = 0 H : β 0, =,,,, Pada taraf sgfas %, berut hasl uj sgfas arameter secara arsal dtamla dalam Tabel 8. Berdasara Tabel 8 terlhat bahwa varabel redtor jumlah elagga TM da ajag JTM beregaruh secara sgfa terhada ods jarga dalam elomo. Selajutya adalah membetu fugs model logt. Logt (Semura) g 0,08 0, X 0,8 X 0,7 X 0,0000X [] [] 0,6 X 0,008 X Logt (Sehat) g,096 0, X [] 0,8 X [] 0,7 X 0,0000 X 0,6 X 0,008 X Logt (Sat) g,7 0, X [] 0,8 X [] 0,7 X 0,0000 X 0,6 X 0,008 X Model regres logst ordal elomo meml la R sebesar 0,9 atau sebesar,9%. Artya varabel elas aset, jumlah elagga TM, jumlah elagga TR, ajag JTM, da beba rata-rata memegaruh ods jarga sebesar,9% sedaga 6,% degaruh oleh fator-fator laya yag tda termasu dalam eguja model. E. Varabel Pembeda Kelomo da Kelomo Tabel 9. Peetua Kelomo Data Testg No. Jarga Rayo X Kelomo Alas Malag Darmo Perma Darmo Haraa Darmo Perma 7 Darmo Perma Darmo Perma 6 Ldah Kulo Darmo Perma Puca Perma Darmo Perma 6 Suo Mauggal Darmo Perma 7 Vlla But Regecy Darmo Perma 8 Water Place Darmo Perma 9 Brawjaya Duuh Kuag 0 0 Doegoro Duuh Kuag Graha Pea Duuh Kuag 7 Meaggal Duuh Kuag 9 Smo Guug Duuh Kuag Smo Kwagea Duuh Kuag 8 Delta Sar Gedaga 6 Gms Gedaga 7 Pabea Gedaga 9 8 Pabea Gedaga 7 9 Sawo Trata Gedaga 0 Tras Gedaga 6 Bagog/Lumumba Ngagel 6 Barata Ngagel Doter Sutomo Ngagel Kruah Ngagel 6 Nas Ngagel 7 6 Pucag Ad Ngagel 7 Rata Ngagel 8 Sulawes Ngagel 7 9 Badla Rugut 8 0 Kalsco Rugut 7 Magga Dua Rugut 8 Nrwaa Rugut 6 Podo Cadra Rugut 8 Rsal Rugut 9 Swala Kerto Rugut 8 6 Wooromo Rugut 7 Zamhur Rugut Berdasara hasl aalss regres logst ordal yag telah dlaua, varabel yag sgfa dalam elomo adalah varabel ajag JTM. Sedaga varabel yag sgfa dalam elomo adalah varabel jumlah elagga TM da ajag JTM. Sehgga varabel embeda atara elomo da elomo adalah varabel ajag JTM. Berdasara araterst varabel jumlah elagga TM da ajag JTM

6 JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D9 ada Tabel, daat detahu bahwa elomo meml ajag JTM yag lebh ajag da jumlah elagga TM lebh sedt dbadg elomo. Peetua elomo data testg dtamla dalam Tabel 9. Selajutya data seta elomo dmasua e dalam model logt hasl regres logst ordal. Model logt hasl regres logst ordal elomo da elomo daat dguaa utu memreds ods jarga. Hasl reds elomo dtamla dalam Tabel 0. Tabel 0. Preds Data Testg Kelomo No. π π π π Preds 0,08 0,8 0,79 0,76 Kros 0,08 0,8 0,79 0,76 Kros 0,08 0,8 0,78 0,76 Kros 6 0,08 0,8 0,78 0,76 Kros 9 0,08 0,76 0,7 0,77 Kros 0 0,08 0,8 0,78 0,76 Kros 0,08 0,8 0,78 0,76 Kros 6 0,08 0,8 0,78 0,76 Kros 9 0,08 0,8 0,78 0,76 Kros 0,09 0,8 0,79 0,760 Kros 7 0,08 0,8 0,79 0,76 Kros Berdasara data testg elomo daat dlaua eglasfasa dega cara memasua data ta jarga Lamra, e dalam model eluag yag telah terbetu sehgga deroleh la eluag da reds ods jarga utu masg-masg jarga. Jarga etga meruaa jarga Darmo Perma dega araterst elas, jumlah elagga TM, jumlah elagga TR, ajag JTM 6 ms, da meml beba rata-rata 9A. Selajutya araterst tersebut dmasua e dalam model eluag yag telah deroleh, sehgga deroleh la eluag dar ategor masg-masg adalah 0,08, 0,8, 0,79, da 0,76. Berdasara araterst ods jarga dalam Gambar jumlah ersetase ods jarga semura (6,6%), sehat (8%), da sat (9,6%) adalah,%. Aabla jumlah eluag ertama hgga etga ada Tabel 9 lebh dar 0,, maa sebuah jarga tersebut dreds meml ods jarga ros. Kategor adalah ods yag alg mug terjad utu jarga Darmo Perma, dega jumlah eluag ertama hgga etga 0,69 yag lebh besar dar 0,. Sehgga, jarga Darmo Perma dreds aa meml ods jarga ros. Hasl reds elomo dtamla dalam Tabel. Berdasara data testg elomo, daat dlaua eglasfasa dega cara memasua data ta jarga e dalam model eluag yag telah terbetu sehgga deroleh la eluag da reds ods jarga utu masg-masg jarga. Jarga ertama meruaa jarga Alas Malag dega araterst elas, tda meml elagga TM, 8 elagga TR, ajag JTM ms, da beba rata-rata 0A. Selajutya araterst tersebut dmasua e dalam model eluag yag telah deroleh, sehgga deroleh la eluag dar ategor masg-masg adalah 0,096, 0,67, 0,98, da 0,. Aabla jumlah eluag ertama hgga etga ada Tabel 0 lebh dar 0,, maa sebuah jarga tersebut dreds meml ods jarga ros. Kategor adalah ods yag alg mug terjad utu jarga Alas Malag, dega jumlah eluag 0,667. Sehgga, jarga Alas Malag dreds aa meml ods jarga ros. Tabel. Preds Data Testg Kelomo No. π π π π Preds 0,096 0,67 0,98 0, Kros 0,00 0,908 0,8 0,87 Kros 7 0,06 0,880 0,798 0,896 Kros 8 0,09 0,69 0,6 0,06 Kros 0,00 0,90 0,80 0,88 Kros 0, 0,9 0,80 0,86 Kros 0,00 0,86 0,76 0,988 Kros 0,00 0,90 0,8 0,8 Kros 7 0,0 0,97 0,8 0,88 Kros 8 0,07 0,888 0,806 0,879 Kros 0 0,00 0,90 0,80 0,87 Kros 0, 0,909 0,86 0,8 Kros 0,00 0,90 0,8 0,8 Kros 0,097 0,68 0,606 0, Kros 0,07 0,88 0,80 0,886 Kros 0,0 0,98 0,8 0,8 Kros 6 0,9 0,8 0,7 0,997 Kros 7 0,0 0,869 0,787 0,99 Kros 8 0, 0,9 0,8 0,8 Kros 9 0, 0,9 0,8 0,8 Kros 0 0, 0,9 0,8 0,8 Kros 0,0 0,9 0,8 0,799 Kros 0, 0,9 0,80 0,86 Kros 0,0 0,99 0,86 0,8 Kros 0,09 0,900 0,88 0,8 Kros 6 0,096 0,677 0,6 0,6 Kros V. KESIMPULAN DAN SARAN Hasl egelomoa dega aalss laster K-Meas deroleh elomo sebaya jarga, sedaga elomo sebaya 76 jarga. Kelomo meml ratarata yag lebh tgg darada elomo berdasara elagga TR, ajag JTM, da beba rata-rata. Sedaga elomo meml rata-rata jumlah elagga TM lebh tgg darada elomo. Hasl aalss regres logst ordal, varabel embeda atara elomo da elomo adalah ajag JTM. Sara yag dbera utu PT. PLN Area Surabaya Selata adalah lebh memerhata ajag JTM sebaga strateg efses eagaa eta ada gaggua. Kelomo mejad rortas utama da membutuha aggara lebh baya dbadg elomo area meml ajag JTM yag lebh ajag. Sara utu eelta selajutya adalah erlu adaya eambaha varabel la agar meghasla model yag lebh ba. DAFTAR PUSTAKA [] N. D. Wahyu,, Juta Pelagga Lstr Pra Bayar RI Terbesar d Dua, Bss,.. [] Setawa ad D. Kusr Edah, Eoometra. Yogyaarta: Ad, 0.

7 JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D9 [] R. A. Johso ad D. W. Wcher, Aled Multvarate Statstcal Aalyss, 6th ed. Pearso Educato, Ic, 007. [] D. Hosmer ad S. Lemeshow, Aled Logstc Regress, d ed. New Jersey: Perso Pretce Hall, 007. [] A. Agrest, Categorcal Data Aalyss, d ed. New Yor: Joh Wley & Sos, Ic, 00. [6] PT. PLN. (Persero), Metode Pemelharaa Trafo Dstrbus berdasara Kadah Maajeme Aset, 07.E/DIR/,.

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja Jural EKSONENSIAL Volume, Nomor, Me 0 ISSN 085-789 Regres Logst Ordal utu Megaalss Fator-Fator yag Memegaruh erlau Seual Remaa Ordal Logstc Regresso for Aalyss Factors of Ifluece Behavor Adolecet Seual

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-159 JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Set. 1 ISSN: 31-X D-15 Pemodela Fator-Fator Yag Beregaruh Terhada Prevales Balta Kurag Gz D Provs Jawa Tmur Dega Pedeata Geograhcally Weghted Logstc Regresso (GWLR

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat

Pemodelan Angka Pengangguran Pernah Bekerja dan Belum Pernah Bekerja di Jawa Timur Menggunakan Metode Regresi Multivariat D-390 JURNAL SAINS DAN SENI ITS Vol. 5 No. (06) 337-350 (30-98X Prt) Pemodela Aga Perah Beerja da Belum Perah Beerja d Jawa Tmur Megguaa Metode Regres Multvarat Arda Nur Lathfah, da Wahyu Wbowo Jurusa

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

Lebih terperinci

Regresi Logistik pada Data Rare Event

Regresi Logistik pada Data Rare Event Prosdg Statsta ISSN 46-6456 Regres Logst ada Data Rare Evet Rud Rum Ar Wstara, Sulad, 3 Abdul Kudus,,3 Statsta, Faultas MIPA, Uverstas Islam Badug, Jl. Ragga Malela No. Badug 46 e-mal: rud_ra@mal.com,

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) D-272 JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) D-7 Pemodela da Pemetaa Jumlah Kasus DBD d Kota Surabaya dega Geograhcally Weghted Negatve Bomal Regresso (Gwbr) da Flexbly Shaed Satal

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277

π(x) 1 e JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-277 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 22) ISSN: 23-928X D-277 Klasfas Pase Hasl Pap Smear Test sebaga Pedetes Awal Upaya Peagaa D pada Peyat Kaer Servs d RS. X Surabaya dega Metode Baggg Logstc Regresso

Lebih terperinci

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa

Lebih terperinci

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP.

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP. Pemlha Varabel (Hasb Yas) PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHED REGRESSION Hasb Yas Staf Pegajar Program Stud Statsta FMIPA UNDIP Abstract Regresso aalyss s a statstcal aalyss that ams to

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-311

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-311 JURNAL SAINS DAN SENI POMIS Vol., No., (03) 337-350 (30-98X Prt) D-3 Pemodela Fator-Fator yag Memegaruh Jumlah Kemata Ibu d Jatm dega Pedeata GWPR (Geograhcally Weghted Posso Regresso) Dtau dar Seg Fasltas

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosdg Statsta ISSN: 246-6456 Pemodela Aga Kemata Ba d Kabuate Kuga ahu 24 dega Regres Geeralzed Posso da RegresBomal Negatf Modelled Number Of Brth Mortalt I Kuga Resdece I 24 B Geeralzed Posso Regresso

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR)

Pemodelan Angka Prevalensi Kusta dan Faktor- Faktor yang Mempengaruhi di Jawa Timur dengan Pendekatan Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMIS Vol., No., () 7-5 (-98X Prt) D-75 Pemodela Aga Prevales Kusta da Fator- Fator yag Memegaruh d Jaa mur dega Pedeata Geograhcally Weghted Regresso (GWR) Alefa Maulda Dzra, Sat

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print)

JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) URNAL SAINS DAN SENI ITS Vol. 4, No., (05) 7-50 (0-98X Prt) D6 Aalss Regres Logst Ordal utu Megetahu Tgat Gaggua Tuagrahta d Kabuate Poorogo Berdasara Fator-Fator Iteral Peebab Tuagrahta Eva Arum Setar

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi JURNAL SAINS DAN SENI POMITS Vol., No., (13) ISSN: 337-35 (31-98X Prt D-5 Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi Pemodela Reso Peyat Peumoa pada Balta d Jawa Tmur Megguaa Regres Logst Ber Stratfas Ita Novaa, Sr Pgt Wuladar da Purhad Jurusa Statsta, Faultas Matemata da Ilmu Pegetahua Alam, Isttut Teolog Sepuluh Nopember

Lebih terperinci

Jurnal EKSPONENSIAL Volume 7, Nomor 1, Mei 2016 ISSN

Jurnal EKSPONENSIAL Volume 7, Nomor 1, Mei 2016 ISSN Jural EKSPONENSIAL Volume 7, Nomor 1, Me 016 ISSN 085-789 Peeraa Geeralzed Posso Regresso I Utu Megatas Overdsers Pada Regres Posso (Stud Kasus: Pemodela Jumlah Kasus Kaer Servs d Provs Kalmata Tmur) Alcato

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus

Lebih terperinci

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014) Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number

Lebih terperinci

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah 3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa

Lebih terperinci

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara Karaterst Sswa Putus Seolah Tgat SD da SMP d Kawasa Surabaya Utara Nur Ia Choryah, Prof.Dra.Susat Luwh,M.Stat,PhD, 3 Ir.Mutah Salamah,M.Kes Mahasswa Jurusa Statsta FMIPA-ITS (36 3,3 Dose Jurusa Statsta

Lebih terperinci

Pemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR)

Pemodelan Penduduk Miskin di Jawa Timur Menggunakan Metode Geographically Weighted Regression (GWR) JURNAL SAINS DAN SENI POMITS Vol., No., (013) 337-350 (301-98X Prt) D-39 Pemodela Pedudu Ms d Jawa Tmur Megguaa Metode Geographcally Weghted Regresso (GWR) Yuata Damayat, Vta Ratasar Jurusa Statsta, Faultas

Lebih terperinci

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai BB III FUZZY C-MENS 3. Fuzzy Klasterg Fuzzy lasterg erupaa salah satu etode aalss laster dega epertbaga tgat eaggotaa yag eaup hpua fuzzy sebaga dasar pebobota bag pegelopoa (Bezde,98). Metode erupaa pegebaga

Lebih terperinci

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d Jural Grade Vol4 No Jul 008 : 37-38 Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004 Vol. 9. No. 2, 22 Jural Sas, Teolog da Idustr DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 24 Ar Pa Desva, 2 Marta Erd,2 Jurusa Matemata Faultas Sas da Teolog UIN Susa Rau E-mal:

Lebih terperinci

ANALISIS LOSSES JARINGAN DISTRIBUSI PRIMER 20 KV AREA LHOKSEUMAWE

ANALISIS LOSSES JARINGAN DISTRIBUSI PRIMER 20 KV AREA LHOKSEUMAWE Aalss Losses Jarga Dstrbus Prmer 0 v Area Lhoseumawe....Zamzam ANALSS LOSSES JARNGAN DSTRBUS PRMER 0 AREA LHOSEUMAWE Zamzam 1 1 Dose Jurusa Te Eletro Polte Neger Lhoseumawe ABSTRA Peelta bertujua utu megetahu

Lebih terperinci

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM D- JURNAL SAINS DAN SENI ITS Vol. 4, No., (05) 337-350 (30-98X Prt) Aalss Regres Logstk Ordal ada Prestas Belajar Lulusa Mahasswa d ITS Berbass SKEM Zakaryah da Isma Za Jurusa Statstka, FMIPA, Isttut Tekolog

Lebih terperinci

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.

Lebih terperinci

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama) H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor, ahu 015, Halama 05-14 Ole d: http://eoural-s1.udp.ac.d/dex.php/gaussa ANALISIS FAKOR FAKOR YANG MEMPENGARUHI JUMLAH KEJAHAAN PENCURIAN KENDARAAN BERMOOR

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

PENDEKATAN METODE SERVQUAL DAN KLASTER FUZZY K-MEANS UNTUK MENGANALISIS INDEKS KEPUASAN NASABAH BANK X

PENDEKATAN METODE SERVQUAL DAN KLASTER FUZZY K-MEANS UNTUK MENGANALISIS INDEKS KEPUASAN NASABAH BANK X ISSN: 339-54 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahu 04, Halama 33-33 Ole d: htt://ejoural-s.ud.a.d/de.h/gaussa PENDEKATAN METODE SERVQUAL DAN KLASTER FUZZY K-MEANS UNTUK MENGANALISIS INDEKS KEPUASAN

Lebih terperinci

Analisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik

Analisis Faktor Risiko Penyebab Diabetes Mellitus di Kota Ambon Menggunakan Model Regresi Logistik Statsta, Vol. 5 No. 2, 65-7 November 25 Aalss Fator Rso Peyebab Dabetes Melltus d Kota Ambo Megguaa Model Regres Logst Ferry Kodo Lembag, Dorteus L. Rahabauw 2,2Jurusa Matemata Faultas MIPA Uverstas Pattmura

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) 337-35 (31-98X Prt) D-54 Aalss Pegedala Kualtas Proses Pegatoga Seme d PT Seme Idoesa (Persero) Tb dega Pedeata Sx Sgma Ftrah Idra Cahya, Sr Mumpu Retagsh Jurusa

Lebih terperinci

LANDASAN TEORI. x R, untuk suatu fungsi f : R [0, )

LANDASAN TEORI. x R, untuk suatu fungsi f : R [0, ) LANDASAN TEORI Dalam baga aa dbahas teor-teor yag berata dega embahasa selautya, yag dbera dalam betu defs-defs, beberaa lema da teoremateorema etg Ruag Cotoh, Keada, da Peluag Defs (Percobaa Aca) Percobaa

Lebih terperinci

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,

Lebih terperinci

Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized- Splines

Parameter Quantile-like dalam Pendugaan Area Kecil Melalui Pendekatan Penalized- Splines Statsta, Vol. 8 No., 3 36 Me 008 Parameter Quatle-le dalam Pedugaa Area Kecl Melalu Pedeata Pealzed- Sles Kusma Sad Teaga Pegaar d Dearteme Statsta IPB, Bogor Jl. Merat, Kamus IPB Darmaga, Bogor 6680,

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha (sodag@ub-ut.ac.d) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

Lebih terperinci

PENDAHULUAN. Latar Belakang

PENDAHULUAN. Latar Belakang Latar Belaag PENDAHULUAN Seta egara memuya mata uag sebaga alat tuar. Pertuara barag dega uag yag terad d dalam eger tda aa membula masalah meggat la barag sudah dsesuaa dega la uag yag berlau. Masalah

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua

Pemodelan Geographically Weighted Logistic Regression pada Indeks Pembangunan Kesehatan Masyarakat di Provinsi Papua Prosdg Sear Nasoal MIPA 06 Pera Peelta Ilu Dasar dala Meuag Pebagua Berelauta Jatagor, 7-8 Otober 06 ISBN 978-60-76-- Peodela Geographcally Weghted Logstc Regresso pada Ides Pebagua Kesehata Masyaraat

Lebih terperinci

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event.

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event. BAB II TINJAUAN PUSTAKA. Peahulua Sebelum melaua pembahasa megea permasalaha ar srps, paa Bab II aa uraa beberapa teor peujag ag perraa apat membatu alam pembahasa bab-bab selajuta. Pembahasa paa Bab II

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

UKURAN DASAR DATA STATISTIK

UKURAN DASAR DATA STATISTIK UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL

Lebih terperinci

STATISTIKA ELEMENTER

STATISTIKA ELEMENTER STATISTIKA ELEMENTER Statsta Apa tu statsta? Apa beda statsta dega statst? Populas? Sampel? Parameter? Sala Peguura: Nomal Ordal 3 Iterval 4 Raso Bagamaa r-r eempat sala d atas? Bera masg-masg otoh sala

Lebih terperinci

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap III. METODE PENELITIAN A. Populas da Sampel Populas dar peelta adalah seluruh peserta dd elas VII semester geap SMP Neger 3 Terbaggbesar tahu pelaara 0/0 yag terdstrbus e dalam tuuh elas, yatu elas VII

Lebih terperinci

PENELUSURAN KARAKTERISTIK PERILAKU KONSUMEN DENGAN METODE AUTOMATIC INTERACTION DETECTION (AID)

PENELUSURAN KARAKTERISTIK PERILAKU KONSUMEN DENGAN METODE AUTOMATIC INTERACTION DETECTION (AID) PEELUSURA KARAKTERISTIK PERILAKU KOSUME DEGA METODE AUTOMATIC ITERACTIO DETECTIO AID Agus Rusgyoo Staf Pegajar Prod Statsta Jurusa Matemata FMIPA UDIP Abstract AID methods used to see relato betwee respos

Lebih terperinci

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b ISSN: 088-687X 5 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA Mara Suc Ara a, Sr Haryatm b a rogram Stud edda Matemata FKI USD Kamus 3 aga, Yogyaarta 558, marasuc@usdacd b Jurusa

Lebih terperinci

MENGUJI KEMAKNAAN SAMPEL TUNGGAL

MENGUJI KEMAKNAAN SAMPEL TUNGGAL MENGUJI KEMAKNAAN SAMPEL TUNGGAL 1.1 Uji Biomial 1. Uji esesuaia Chi Kuadrat 1.3 Uji Kesesuaia K-S 1.4 Uji Ideedesi Chi Kuadrat 1.5 Uji Pasti Fisher UJI BINOMIAL Meruaa uji roorsi dalam suatu oulasi Poulasi

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNA Srps dsaja sebaga salah satu syarat utu memperoleh gelar Sarjaa Sas Program Stud Matemata Oleh Layyatus

Lebih terperinci

LOCALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA RUANG n EUCLIDE

LOCALLY SMALL RIEMANN SUMS FUNGSI TERINTEGRAL HENSTOCK-DUNFORD PADA RUANG n EUCLIDE LOLLY SMLL RIMNN SUMS FUNGSI TRINTGRL HNSTOK-UNFOR P RUNG ULI Solh Program Stud Matemata Faultas Sas da Matemata UNIP Jl Prof Soedarto, SH Semarag 575, sol_erf@yahoocom BSTRK I ths aer we study Hestoc-uford

Lebih terperinci

BAB 2 TINJAUAN PUSTKA. Jaringan transmisi dan jaringan distribusi pada sistem tenaga listrik berfungsi

BAB 2 TINJAUAN PUSTKA. Jaringan transmisi dan jaringan distribusi pada sistem tenaga listrik berfungsi BAB TINJAUAN USTKA.. Sstem Dstrbus Jarga trasms da arga dstrbus pada sstem teaga lstr berfugs sebaga saraa utu meyalura eerg lstr yag dhasla dar pusat pembagt e pusat-pusat beba. Sstem arga dstrbus dapat

Lebih terperinci

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen BAB DAAR TEOR ALRAN DAA. Umum,,3,4 stem teaga lstr Electrc ower stem terdr dar tga ompoe utama, atu sstem pembagta teaga lstr, sstem trasms teaga lstr, da sstem dstrbus teaga lstr. Kompoe dasar ag membetu

Lebih terperinci

Pemodelan Pengangguran Terbuka di Jawa Timur dengan Menggunakan Pendekatan Regresi Spline Multivariabel

Pemodelan Pengangguran Terbuka di Jawa Timur dengan Menggunakan Pendekatan Regresi Spline Multivariabel JURNAL SAINS DAN SENI ITS Vol., No., (Set. 0) ISSN: 0-98X D-6 Pemodela Pegaggua Tebua d Jawa Tmu dega Megguaa Pedeata Reges Sle Multvaabel Rul Sata Sa da I Nyoma Budataa Juusa Statsta, Faultas Matemata

Lebih terperinci

EVALUASI OPERASI SISTEM TENAGA LISTRIK 5OO kv JAWA BALI MENGGUNAKAN PARTICLE SWARM OPTIMIZATION

EVALUASI OPERASI SISTEM TENAGA LISTRIK 5OO kv JAWA BALI MENGGUNAKAN PARTICLE SWARM OPTIMIZATION EVALUASI OPERASI SISTEM TENAGA LISTRIK 5OO V JAWA BALI MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Roy Chadrabuaa, Ad Soeprjato, Teguh Yuwoo Jurusa Te Eletro-FTI, Isttut Teolog Sepuluh Nopember Kampus ITS,

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan Waktu 4.2 Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4. Loas da Watu Peelta dlasaaa d Strawberry Café yag berloas d Jala Gadara No.75 Jaarta Selata. Loas peelta dplh da dtetua dega segaja sesua dega pertmbaga dar peelt. Alasa utama memlh

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

Analisis Aliran Daya

Analisis Aliran Daya Darublc www.darublc.cm Aalss Alra Daa udarat udrham Dalam aalss ragaa lstr, dlaua dealsas. umber dataa sebaga sumber tegaga deal atau sumber arus deal, da beba dataa sebaga medas dega araterst ler. umber

Lebih terperinci

GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Studi Kasus : Indeks Pembangunan Manusia di Provinsi Jawa Timur

GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Studi Kasus : Indeks Pembangunan Manusia di Provinsi Jawa Timur SEMINAR HASIL TUGAS AKHIR GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Std Kass : Ides Pembaga Masa d Pros Jawa Tmr Oleh : Ney Ptr Pradta (307 00 055) Dose Pembmbg : Dr. Prhad M.Sc GEOGRAPHICALLY

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah

Lebih terperinci