HASIL DAN PEMBAHASAN

dokumen-dokumen yang mirip
PENENTUAN TITIK-TITIK BATAS OPTIMUM STRATA PADA PENARIKAN CONTOH ACAK BERLAPIS DENGAN PEMROGRAMAN DINAMIK

TINJAUAN PUSTAKA ( ) ( ) ( )

BAB 5 HASIL DAN PEMBAHASAN. Pada Gambar 5.1 dapat dilihat plot sebaran normal pertumbuhan Spheres dari

Analisis Regresi 2. Pokok Bahasan : Asumsi sisaan dan penanganannya

BAB 3 METODOLOGI PENELITIAN

homogen jika titik-titik tersebar secara merata atau seimbang baik di atas maupun dibawah garis, dengan maksimum ragam yang kecil.

Perawatan ortodonti dengan pencabutan premolar pertama. Retraksi anterior

DATA DAN METODE. Data

OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran)

BAB IV ANALISIS DAN PEMBAHASAN

HASIL DAN PEMBAHASAN Pendugaan Pengeluaran Per Kapita

BAB V HASIL DAN PEMBAHASAN

METODOLOGI HASIL DAN PEMBAHASAN

Tablet I x Tablet II y Batasan Vitamin A 5 10 Minimal 20 Vitamin B 3 1 Minimal 5 Harga/Biji 4 8

ANALISIS DATA UNIVARIATE DAN MULTIVARIATE

HASIL DAN PEMBAHASAN Deskripsi Data

BAB IV DESKRIPSI DAN ANALISIS DATA. evaluasi akhir pada materi Sistem Persamaan Linear Dua Variabel (SPLDV).

Tabel Perhitungan Waktu Standar

Mahyudi Universitas Muhammadiyah Bengkulu; Submitted : , Revised : , Accepted :

Metode Penelitian Kuantitatif Aswad Analisis Deskriptif

HASIL DAN PEMBAHASAN

BAB IV ANALISIS DAN PEMBAHASAN

DATA DAN METODE PENELITIAN

STK 211 Metode statistika. Materi 2 Statistika Deskriptif

BAB 4 HASIL DAN PEMBAHASAN. merupakan mesin paling kritis dalam industri pengolahan minyak sawit. Pabrik

BAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma

terhadap kesehatan persalinan. Sehingga tak heran jika negara-negara maju di

STATISTIK. Rahma Faelasofi

BAB 1 PENDAHULUAN. diharapkan hasil yang diperoleh akan berguna untuk masyarakat sekitar.

HASIL DAN PEMBAHASAN

PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL

STK 211 Metode statistika. Agus Mohamad Soleh

Pada tugas akhir ini, data yang digunakan adalah data salah satu key characteristic dari suatu produk manufaktur.

7. Himpunan penyelesaian dari 2(x 3) 4(2x + 3) adalah... a. x -1 c. X 1 e. x -3 b. x 1 d. x -3

PROGRAM LINEAR. sudir15mks

Lampiran 1. Pengukuran morfometrik keong matah merah Parameter No Panjang (cm) Lebar (cm) Berat (gram)

MENGOLAH DATA PENELITIAN KUANTITATIF MENGGUNAKAN MINITAB. Menjadi Penting itu memang BAIK, namun lebih Penting menjadi BAIK

Sumber: [2 Agustus 2010] Posisi pengoperasian alat tangkap pada tiap setting

UKURAN TENGAH DAN UKURAN DISPERSI

BAB V HASIL DAN PEMBAHASAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Statistika Deskriptif

KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)

PENGAMBILAN KEPUTUSAN DALAM KONDISI KETIDAKPASTIAN UNTUK MENENTUKAN BIDANG YANG AKAN DIKEMBANGKAN DENGAN MENGGUNAKAN ANALISIS BAYES

BESARAN STATISTIK (UKURAN TENGAH DAN UKURAN

UKURAN SIMPANGAN DAN UKURAN VARIASI. Ukuran Simpangan

King s Learning Be Smart Without Limits NAMA : KELAS :

Universitas Negeri Malang

METODOLOGI PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

METODE PENELITIAN. Struktur, Perilaku, dan Kinerja Industri Kakao di Indonesia. Kegiatan penelitian ini

METODE PENELITIAN. Lokasi dan Waktu Penelitian. Metode Pengumpulan Data

VI. ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI USAHA PEMBESARAN LELE DUMBO DI CV JUMBO BINTANG LESTARI

PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA

Lampiran 2. Fungsi dari masing-masing pernyataan yang digunakan dalam PROC MIXED

PENGANTAR STATISTIK JR113. Drs. Setiawan, M.Pd. Pepen Permana, S.Pd. Deutschabteilung UPI Pertemuan 6

Semakin besar persentase CCR yang dihasilkan, maka tingkat akurasi yang dihasilkan semakin tinggi (Hair et. al., 1995).

3.3 Pengumpulan Data Primer

OPTIMASI PRODUKSI UNTUK PRODUK PESANAN PADA PERUSAHAAN PESTISIDA MENGGUNAKAN METODE GOAL PROGRAMMING. Oleh: Rossy Susanti ( )

menggunakan analisis regresi dengan metode kuadrat terkecil. Model analisis data panel yang dievaluasi kemudian adalah model gabungan, model

3. METODE PENELITIAN

Mahyudi Program Studi Pendidikan Matematika FKIP Universitas Muhammadiyah Bengkulu

PROFIL KEMISKINAN PROVINSI KALIMANTAN TENGAH SEPTEMBER 2011

BAB II TINJAUAN PUSTAKA. operasi yang mampu menyelesaikan masalah optimasi sejak diperkenalkan di

A. MENYELESAIKAN PERSAMAAN KUADRAT

MENGAPA PERLU SAMPLING

IV METODE PENELITIAN 4.1. Lokasi dan Waktu Penelitian 4.2. Tipe Data dan Sumber Data 4.3. Metode Pengumpulan Data

SOAL PENJAJAKAN UN MATEMATIKA 2012 PROVINSI DIY

BAB 1 PENDAHULUAN. 1. Latar belakang

DEPARTEMEN PENDIDIKAN NASIONAL UJI COBA UJIAN NASIONAL TAHUN PELAJARAN LEMBAR SOAL

BAB 5 HASIL DAN PEMBAHASAN

Keywords : Active Learning, Learning Tournament, Contract Learning, Learning Outcomes

STK511 Analisis Statistika. Pertemuan 2 Review Statistika Dasar

Silabus. Tugas individu, tugas kelompok, kuis.

BAB IV PENDUGAAN VOLATILITAS INDEKS HARGA SAHAM

III. METODE PENELITIAN. Penelitian ini telah dilaksanakan di rumah kaca Fakultas Pertanian Universitas

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Transformasi Data & Anlisis Data Hilang

BAB 4 HASIL DAN PEMBAHASAN

mengsumsikan tidak ada kesalahan pengukuran, validitas dapat dievaluasi dengan mengamati nilai bias dari penduganya. Bias, B ( ) dari populasi

III. METODOLOGI PENELITIAN. tujuan, misalnya untuk menguji suatu hipotesis dengan mengunakan teknik serta

PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS

BAB II TINJAUAN PUSTAKA

STATISTIKA DESKRIPTIF. Wenny Maulina, S.Si., M.Si

BAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial

1. Fungsi Objektif z = ax + by

PEMBAHASAN UN 2009/2010

4 HASIL DAN PEMBAHASAN

Penerapan Pemrograman Dinamis dalam Perencanaan Produksi

Pembahasan Soal SNMPTN 2012 SELEKSI NASIONAL MASUK PERGURUAN TINGGI NEGERI. Disertai TRIK SUPERKILAT dan LOGIKA PRAKTIS.

DESKRIPSI PEMELAJARAN

BAB 2 LANDASAN TEORI

BAB III METODOLOGI PENELITIAN

Metode Statistika STK211/ 3(2-3)

DURASI PEMELAJARAN KURIKULUM SMK EDISI 2004

INDEKS PEMBANGUNAN MANUSIA (IPM)

Bab 2 LANDASAN TEORI

PENILAIAN CARA MENGAJAR MENGGUNAKAN RANCANGAN ACAK LENGKAP (STUDI KASUS: JURUSAN MATEMATIKA FMIPA UNPATTI)

III. METODE PENELITIAN

PENGUKURAN DESKRIPTIF

Transkripsi:

HASIL DAN PEMBAHASAN Data Pengeluaran Per Kapita Propinsi Jawa Timur Tahun 2008 Jawa Timur adalah provinsi yang terdiri dari 29 kabupaten dan 9 kota. Secara umum wilayah provinsi Jawa Timur dapat dibagi menjadi dua bagian besar yaitu Jawa Timur daratan dan Pulau Madura. Luas wilayah Jawa Timur daratan hampir mencapai 90 persen dari luas keseluruhan, sedangkan wilayah Madura hanya sekitar 10 persen. Peta wilayah kabupaten/ kota di Jawa Timur disajikan pada Gambar 1. Gambar 1 Peta administratif Propinsi Jawa Timur Data yang digunakan pada penelitian ini adalah data pengeluaran per kapita penduduk Jawa Timur tahun 2008 dengan jumlah contoh n = 8607 Kepala Rumah Tangga. Data ini diperoleh dari publikasi BPS dari hasil SUSENAS. Dari data tersebut dapat diperoleh informasi bahwa rata-rata pengeluaran per kapita penduduk Jawa Timur adalah Rp337.105,93 dan ragam Rp8.49 x 10 10. Pengeluaran minimum adalah sebesar Rp41.349,94 dan pengeluaran maksimum sebesar Rp5.442.241,45. Probability plot (p-p diperlukan untuk menentukan apakah sebaran dari pengeluaran per kapita sesuai dengan jenis sebaran tertentu. Setelah dilakukan uji kenormalan Anderson Darling terhadap data pengeluaran per kapita, hasilnya

Percent Percent menunjukkan bahwa adanya penyimpangan asumsi kenormalan sepeti terlihat pada Gambar 2. Probability Plot of kapita Normal - 95% CI 99.99 99 95 80 50 20 5 1 Mean 337106 StDev 291371 N 8607 AD 746.460 P-Value <0.005 0.01-1000000 0 1000000 2000000 3000000 4000000 5000000 6000000 kapita Gambar 2 Probability plot dari pengeluaran per kapita Untuk dapat memenuhi asumsi kenormalan telah dilakukan beberapa metode transformasi antara lain tansformasi akar dan transfomasi hubungan antara rataan dan simapangan baku. Akan tetapi hasilnya belum dapat memenuhi asumsi kenormalan. Transfomasi Box-Cox memberikan nilai lambda -0.11. Hasil dari transformasi ini belum dapat menunjukkan bahwa asumsi kenormalan dapat terpenuhi. Setelah dilakukan beberapa jenis tansformasi, hasil yang paling mendekati asumsi kenormalan adalah transformasi log seperti disajikan pada Gambar 3 sebagaimana terlihat bahwa titik-titik cenderung mengumpul di sekitar garis lurus. Log Kapita Normal 99.99 99 95 80 50 20 5 1 Mean 5.443 StDev 0.2502 N 8607 AD 53.901 P-Value <0.005 0.01 4.5 5.0 5.5 6.0 Log_Kapita 6.5 7.0 Gambar 3 Probability plot pengeluaran per kapita setelah ditransformasi 17

Penentuan Titik-titik Batas Optimum Strata Untuk data contoh pengeluaran per kapita (nilai setelah diubah menjadi normal baku dengan n = 8607 diperoleh nilai terkecil dan nilai terbesar masingmasing adalah -3.302 dan 5.169. Ini menunjukkan bahwa jarak dari distribusi adalah 5.169 (-3.302 = 8.471 Sehingga fungsi objektif persamaan (20 dapat dinyatakan sebagai: Minimumkan, * ( ( ( ( ( ( ( ( + * ( ( + * ( ( + } dengan kendala dan (22 Stratifikasi ke- (k-1 diberikan oleh Substitusikan nilai kedalam persamaan (21 dan dengan mengunakan persamaan (16 dan (17, persamaan rekursif untuk menyelesaikan masalah pemrograman matematika persamaan (21 ditentukan sebagai berikut. 18

Untuk tahap pertama (k = 1: { { [ ( ( ( ( ( ( ( ( [ ( ( ] * ( ( + }} Pada (23 Untuk tahap { { [ ( ( ( ( ( ( ( ( * ( ( + * ( ( + } } (24 Penyelesaian persamaan rekursif (22 dan (23 menggunakan pemrograman C++ (Lampiran 1 untuk menentukan lebar strata optimum. Tabel 1 menunjukkan hasil dari penyelesaian ini disertai dengan nilai optimum fungsi objektif untuk 19

Tabel 1 Titik-titik batas optimum strata dari sebaran normal baku Jumlah Strata L Lebar Optimum Strata Titik-titik Batas Optimum Strata Nilai Optimum Fungsi Objektif Jumlah Contoh per Strata 2 y 1 =3.303 y 2 =5.167 x 0 = -3.302 x 1 = 0.002 x L = 5.169 0.599 n 1 = 4755 (55% n 2 = 3852 (45% 3 y 1 =2.756 y 2 =1.098 y 3 =4.617 x 0 = -3.302 x 1 =-0.546 x 2 =0.552 x L = 5.169 0.424 n 1 = 2724 (31.65% n 2 = 3683 (42.79% n 3 = 2200 (25.56% 4 y 1 =2.432 y 2 =0.873 y 3 =0.875 y 4 =4.291 x 0 = -3.302 x 1 =-0.869 x 2 =0.003 x 3 =0.878 x L = 5.169 0.328 n 1 = 1667 (19.37% n 2 = 3093 (35.93% n 3 = 2364 (27.47% n 4 = 1483 (17.23% 5 y 1 =2.206 y 2 =0.765 y 3 =0.670 y 4 =0.767 y 5 =4.062 x 0 = -3.302 x 1 =-1.096 x 2 =-0.331 x 3 =0.339 x 4 =1.106 x L = 5.169 0.267 n 1 = 983 (11.42% n 2 = 2534 (29.44% n 3 = 2300 (26.72% n 4 = 1668 (19.38% n 5 = 1122 (13.04% 6 y 1 =2.035 y 2 =0.698 y 3 =0.574 y 4 =0.574 y 5 =0.702 y 6 =3.888 x 0 = -3.302 x 1 =-1.267 x 2 =-0.569 x 3 =0.005 x 4 =0.579 x 5 =1.280 x L = 5.169 0.225 n 1 = 606 (7.04% n 2 = 2032 (23.61% n 3 = 2126 (24.70% n 4 = 1711 (19.88% n 5 = 1224 (14.22% n 6 = 908 (10.55% Untuk dua strata diperoleh titik batas optimum pada x 1 = 0.002. Ini berarti bahwa semua data yang nilainya lebih kecil dari titik batas akan masuk pada strata pertama dengan jumlah contoh sebanyak n 1 = 4755 dan lebar strata pertama 20

adalah y 1 = 3.303. Ragam strata pertama adalah sebesar. Sedangkan lebar strata kedua adalah y 2 = 5.167 dengan jumlah contoh n 2 = 3852 dan ragam sebesar. Pada pembentukan dua strata diperoleh nilai optimum fungsi objektifnya adalah 0.599. Pembentukan sebanyak tiga strata diperoleh titik batas optimum pada x 1 = -0.546. Ini berarti bahwa semua data yang nilainya lebih kecil dari titik batas x 1 akan masuk pada strata pertama di mana jumlah contoh sebanyak n 1 = 2724 dan lebar strata pertama adalah y 1 = 2.756. Ragam strata pertama adalah sebesar. Titik batas optimum antara strata kedua dan ketiga adalah pada x 2 = 0.552. Untuk strata kedua lebarnya adalah y 2 = 1.098 dengan jumlah contoh n 2 = 3683 dan ragam sebesar. Lebar strata ketiga adalah y 3 = 4.617 dengan jumlah contoh sebesar n 3 = 2200 dan ragam. Untuk tiga strata diperoleh nilai optimum fungsi objektifnya adalah sebesar 0.424. Untuk pembentukan sebanyak empat strata diperoleh titik batas optimum strata pertama dan kedua adalah x 1 = -0.869. Ini berarti bahwa semua data yang nilainya lebih kecil dari titik batas x 1 akan masuk pada strata pertama dengan jumlah contoh sebanyak n 1 = 1667 dan lebar strata pertama adalah y 1 = 2.432. Ragam strata pertama adalah sebesar. Titik batas optimum antara strata kedua dan ketiga adalah pada x 2 = 0.003. Untuk strata kedua lebarnya adalah y 2 = 0.873 dengan jumlah contoh n 2 = 3093 dan ragam sebesar. Titik batas optimum antara strata ketiga dan keempat adalah x 3 = 0.878. Lebar strata ketiga adalah y 3 = 0.875 dengan jumlah contoh sebesar n 3 = 2364 dan ragam. Sedangkan untuk strata keempat dengan lebar sebesar y 4 = 4.291 memiliki jumlah contoh sebanyak n 4 = 1483 dan ragam. Nilai optimum fungsi objektif untuk empat strata adalah sebesar 0.328. Pada pembentukan sebanyak lima strata diperoleh titik batas optimum strata pertama dan kedua adalah x 1 = -1.096. Ini berarti bahwa semua data yang nilainya lebih kecil dari titik batas x 1 akan masuk pada strata pertama dengan jumlah contoh sebanyak n 1 = 983 dan lebar strata pertama adalah y 1 = 2.206. Ragam strata pertama adalah sebesar. Titik batas optimum antara strata kedua dan ketiga adalah pada x 2 = -0.331. Untuk strata kedua lebarnya adalah 21

y 2 = 0.765 dengan jumlah contoh n 2 = 2534 dan ragam sebesar. Titik batas optimum antara strata ketiga dan keempat adalah x 3 = 0.339. Lebar strata ketiga adalah y 3 = 0.670 dengan jumlah contoh sebesar n 3 = 2300 dan ragam. Untuk strata keempat dan kelima, titik batasnya adalah pada x 4 = 1.106. Strata keempat memiliki lebar y 4 = 0.767 dengan jumlah contoh sebesar n 4 = 1668 dan ragam. Sedangkan untuk strata kelima dengan lebar sebesar y 5 = 4.062 memiliki jumlah contoh sebanyak n 5 = 1122 dan ragam. Nilai optimum fungsi objektif untuk lima strata adalah sebesar 0.267. Untuk pembentukan sebanyak enam strata diperoleh titik batas optimum strata pertama dan kedua adalah x 1 = -1.267. Ini berarti bahwa semua data yang nilainya lebih kecil dari titik batas x 1 akan masuk pada strata pertama dengan jumlah contoh sebanyak n 1 = 606 dan lebar strata pertama adalah y 1 = 2.035. Ragam strata pertama adalah sebesar. Titik batas optimum antara strata kedua dan ketiga adalah pada x 2 = -0.569. Untuk strata kedua lebarnya adalah y 2 = 0.698 dengan jumlah contoh n 2 = 2032 dan ragam sebesar Titik batas optimum antara strata ketiga dan keempat adalah x 3 = 0.005. Lebar strata ketiga adalah y 3 = 0.574 dengan jumlah contoh sebesar n 3 = 2126 dan ragam. Untuk strata keempat dan kelima, titik batasnya adalah pada x 4 = 0.579. Strata keempat memiliki lebar y 4 = 0.574 dengan jumlah contoh sebesar n 4 = 1711 dan ragam. Titik batas optimum antara strata kelima dan keenam adalah pada x 5 = 1.281. Untuk strata kelima dengan lebar strata y 5 = 0.702 memiliki jumlah contoh sebanyak n 5 = 1224 dan ragam sebesar. Sedangkan.untuk strata keenam dengan lebar sebesar y 6 = 3.888 memiliki jumlah contoh sebanyak n 6 = 908 dan ragam. Nilai optimum fungsi objektif untuk enam strata adalah sebesar 0.225. Nilai optimum fungsi objektif yang dihasilkan dengan metode ini menunjukkan bahwa semakin banyak jumlah strata maka nilai optimum fungsi ini akan semakin kecil. 22

Pengujian Kehomogenan Ragam Hasil uji khi-kuadrat untuk setiap strata disajikan pada Tabel 2. Tabel 2 Hasil uji khi-kuadrat untuk setiap jumlah strata Jumlah Strata L 2 3 4 5 6 Jumlah Contoh Tiap Strata n 1 = 4755 n 2 = 3852 n 1 = 2724 n 2 = 3683 n 3 = 2200 n 1 = 1667 n 2 = 3093 n 3 = 2364 n 4 = 1483 n 1 = 983 n 2 = 2534 n 3 = 2300 n 4 = 1668 n 5 = 1122 n 1 = 606 n 2 = 2032 n 3 = 2126 n 4 = 1711 n 5 = 1224 n 6 = 908 Ragam Tiap Strata Nilai P-value 7268.946 0.000 13040.803 0.000 17100.023 0.000 20157.687 0.000 23967.310 0.000 Dari Tabel 2 terlihat bahwa untuk semua jumlah strata L, menghasilkan nilai khi-kuadrat yang lebih besar daripada nilai khi-kuadrat tabel baik pada taraf nyata 5% maupun pada taraf nyata 1%. Ini berarti bahwa kehomogenan ragam ditolak, yaitu uji menunjukkan perbedaan yang nyata antara ragam-ragam pada setiap jumlah strata L. Hasil ini juga menunjukkan bahwa ada perbedaan keragaman pada masing-masing strata. Hal ini berarti bahwa antar strata lebih bervariasi karakteristiknya (heterogen. 23

Pembentukan Strata Pengeluaran Per Kapita Jawa Timur Tahun 2008 Lebar strata dan titik-titik batas optimum strata pada Tabel 1 merupakan hasil yang didapatkan dari data yang sudah ditransformasi. Untuk data pengeluaran per kapita Propinsi Jawa Timur Tahun 2008 disajikan pada Tabel 3. Tabel 3 Titik-titik batas optimum strata pengeluaran per kapita Jawa Timur 2008 Jumlah Strata L Lebar Optimum Strata Titik-titik Batas Optimum Strata Nilai Ragam Strata 2 y 1 = 235933.33 y 2 = 5164855.22 x 0 = 41349.940 x 1 = 277325.345 x L = 5442241.452 2339422490 1.281E+11 3 y 1 = 160922.869 y 2 = 178461.96 y 3 = 5061394.43 x 0 = 41349.940 x 1 = 202272.809 x 2 = 380751.914 x L = 5442241.452 880588393 2436769947 1.746E+11 4 y 1 = 126525.06 y 2 = 109712.00 y 3 = 181764.55 y 4 = 4982767.37 x 0 = 41349.940 x 1 = 167875.686 x 2 = 277605.081 x 3 = 459449.009 x L = 5442241.452 512400483 960333991 2599356842 2.159E+11 5 y 1 = 106024.82 y 2 = 81428.1 y 3 = 107872.16 y 4 = 187136.51 y 5 = 4918068.71 x 0 = 41349.940 x 1 = 147398.356 x 2 = 228973.673 x 3 = 336869.805 x 4 = 524125.804 x L = 5442241.452 340941512 567979981 953660359 2739191510 2.492E+11 6 y 1 = 92184.35 y 2 = 66063.52 y 3 =78167.16 y 4 = 108808.63 y 5 = 191543.53 y 6 = 4862690.16 x 0 = 41349.940 x 1 = 133543.689 x 2 = 199626.382 x 3 = 277805.066 x 4 = 386780.927 x 5 = 579495.950 x L = 5442241.452 253204999 342296093 472878135 941057357 2840506289 2.774E+11 Untuk dua strata diperoleh titik batas optimum pada x 1 = 277325.345. Ini berarti bahwa semua data yang nilainya lebih kecil dari titik batas akan masuk pada strata pertama dengan jumlah populasicontoh sebanyak n 1 = 4755 dan lebar 24

strata pertama adalah y 1 = 235933.33. Ragam strata pertama adalah sebesar. Sedangkan lebar strata kedua adalah y 2 = 5164855.22 dengan jumlah contoh n 2 = 3852 dan ragam sebesar. Pembentukan sebanyak tiga strata diperoleh titik batas optimum pada x 1 = 202272.809. Ini berarti bahwa semua data yang nilainya lebih kecil dari titik batas x 1 akan masuk pada strata pertama di mana jumlah contoh sebanyak n 1 = 2724 dan lebar strata pertama adalah y 1 = 160922.869. Ragam strata pertama adalah sebesar. Titik batas optimum antara strata kedua dan ketiga adalah pada x 2 = 380751.914. Untuk strata kedua lebarnya adalah y 2 = 178461.96 dengan jumlah contoh n 2 = 3683 dan ragam sebesar. Lebar strata ketiga adalah y 3 = 5061394.43 dengan jumlah contoh sebesar n 3 = 2200 dan ragam. Untuk pembentukan sebanyak empat strata diperoleh titik batas optimum strata pertama dan kedua adalah x 1 = 167875.686. Ini berarti bahwa semua data yang nilainya lebih kecil dari titik batas x 1 akan masuk pada strata pertama di mana jumlah contoh sebanyak n 1 = 1667 dan lebar strata pertama adalah y 1 = 126525.06. Ragam strata pertama adalah sebesar. Titik batas optimum antara strata kedua dan ketiga adalah pada x 2 = 277605.081. Untuk strata kedua lebarnya adalah y 2 = 109712.00 dengan jumlah contoh n 2 = 3093 dan ragam sebesar. Titik batas optimum antara strata ketiga dan keempat adalah x 3 = 459449.009. Lebar strata ketiga adalah y 3 = 181764.55 dengan jumlah contoh sebesar n 3 = 2364 dan ragam. Sedangkan untuk strata keempat dengan lebar sebesar y 4 = 4982767.37 memiliki jumlah contoh sebanyak n 4 = 1483 dan ragam. Pada pembentukan sebanyak lima strata diperoleh titik batas optimum strata pertama dan kedua adalah x 1 = 147398.356. Ini berarti bahwa semua data yang nilainya lebih kecil dari titik batas x 1 akan masuk pada strata pertama di mana jumlah contoh sebanyak n 1 = 983 dan lebar strata pertama adalah y 1 = 106024.82. Ragam strata pertama adalah sebesar. Titik batas optimum antara strata kedua dan ketiga adalah pada x 2 = 228973.673. Untuk strata kedua lebarnya adalah y 2 = 81428.1 dengan jumlah contoh n 2 = 2534 dan ragam 25

sebesar 567979981. Titik batas optimum antara strata ketiga dan keempat adalah x 3 = 336869.805. Lebar strata ketiga adalah y 3 = 107872.16 dengan jumlah contoh sebesar n 3 = 2300 dan ragam. Untuk strata keempat dan kelima, titik batasnya adalah pada x 4 = 524125.804. Strata keempat memiliki lebar y 4 = 187136.51 dengan jumlah contoh sebesar n 4 = 1668 dan ragam. Sedangkan untuk strata kelima dengan lebar sebesar y 5 = 4918068.71 memiliki jumlah contoh sebanyak n 5 = 1122 dan ragam. Pada pembentukan sebanyak enam strata diperoleh titik batas optimum strata pertama dan kedua adalah x 1 = 133543.689. Ini berarti bahwa semua data yang nilainya lebih kecil dari titik batas x 1 akan masuk pada strata pertama di mana jumlah contoh sebanyak n 1 = 983 dan lebar strata pertama adalah y 1 = 92184.35. Ragam strata pertama adalah sebesar. Titik batas optimum antara strata kedua dan ketiga adalah pada x 2 = 199626.382. Untuk strata kedua lebarnya adalah y 2 = 66063.52 dengan jumlah contoh n 2 = 2534 dan ragam sebesar. Titik batas optimum antara strata ketiga dan keempat adalah x 3 = 277805.066. Lebar strata ketiga adalah y 3 = 78167.16 dengan jumlah contoh sebesar n 3 = 2300 dan ragam. Untuk strata keempat dan kelima, titik batasnya adalah pada x 4 = 386780.9265. Strata keempat memiliki lebar y 4 = 108808.63 dengan jumlah contoh sebesar n 4 = 1668 dan ragam. Titik batas optimum antara strata kelima dan keenam adalah pada x 5 = 579495.950. Untuk strata kelima dengan lebar sebesar y 5 = 191543.53 memiliki jumlah contoh sebanyak n 5 = 1122 dan ragam. Sedangkan.untuk strata keenam dengan lebar sebesar y 6 = 4862690.16 memiliki jumlah contoh sebanyak n 6 = 908 dan ragam sebesar. 26