Senin, 21 Desember 2020

.: QUIZ ALGORITMA & PEMROGRAMAN :.

 KETENTUAN QUIZ ALGORITMA & PEMROGRAMAN

(1) Nilai ketuntasan adalah 75 poin.
(2) Setiap peserta memiliki kesempatan sebanyak maksimal 3 kali untuk mengerjakan ulang dan memperoleh nilai yang lebih baik dan optimal pada rentang waktu 18.30 - 20.00 wib.
(3) Pastikan sudah menekan tombol "submit" di bagian akhir dari 15 soal pengerjaan.

.: SELAMAT MEMAHAMI & MENGERJAKAN SOAL QUIZ :.

Link pengerjaan soal quiz:

Link Quiz
Algorithm & Programming
Educational use only

Educational use only

Selasa, 08 Desember 2020

C - Project

KETENTUAN PROJECT BAHASA C (UAS)

(1) Satu kelas dibagi ke dalam beberapa tim, dimana satu tim terdiri dari 2 orang dan setiap tim wajib memiliki judul/topik project yang berbeda. 

(2) Buatlah project program untuk penilaian UAS dengan menggunakan prinsip top-down design, yaitu menggunakan subprogram void, minimal 3 subprogram (tidak termasuk void main), dengan ketentuan:

  • Jumlah baris program minimal 120 baris.
  • Gunakan tampilan menu berbasis pilihan pada menu utama.
  • Lakukan validasi pada input pilihan.
  • Perhatikan penggunaan deklarasi variabel lokal maupun global.
  • Gunakan array satu dimensi untuk penyimpanan data, minimal ukurannya  5.

(3) Presentasikan hasil project di depan kelas dengan memperhatikan aspek protokol kesehatan dan aspek presentasi yang baik berupa pembukaan, pembahasan/isi, dan penutupan. Juga diperhatikan aspek penggunaan bahasa yang baik dan benar. (Wajib berpakaian rapi dan sopan)

FILE YG DIKUMPULKAN DALAM SATU FOLDER PROJECT LENGKAP (NAMA FOLDER: NAMA TIM) BERISIKAN:

     *.CBP (main.cpp)
*.EXE
dll.

ASPEK PENYAMPAIAN PADA SAAT PRESENTASI :
1. Pengenalan Tim Presenter Project
2. Penyampaian Latar Belakang singkat
3. Menjalankan project CBP atau EXE
+ Penyampaian Kelebihan dan Kelemahan Project
4. Sesi Pengujian (dari dosen)

5. Penutupan (Terima Kasih, Saran & Perbaikan)

Klik link di bawah ini untuk mengunduh contoh project :
Unduh
Programming Project
Educational use only

Educational use only


:: SELAMAT MENGERJAKAN PROYEK UAS ! ::

Sabtu, 05 Desember 2020

Analysis ToolPak

ANALYSIS TOOLPAK

Cara menentukan persamaan regresi di Ms. Excel :

  1. Aktifkan Fitur Add-ins : Analysis ToolPak dengan mengklik kanan pada area ribbon kosong di Tab Data.
  2. Pilih Customize Quick Access Toolbar…
  3. Pada kotak dialog Excel Options, pilih Add-ins.
  4. Pilih Add-ins : Analysis ToolPak.
  5. Pastikan pilihan Manage : Excel Add-ins.
  6. Klik Go…
  7. Klik tombol OK.
  8. Pilih Tab Data pada Excel dan fitur Data Analysis sudah muncul di bagian ribbon Analysis.
  9. Klik fitur Data Analysis, pilih Regression, tentukan variabel X dan Y (input range).
  10. Klik OK jika sudah selesai.
  11. Lihat hasil perhitungan pada worksheet.


Cara menentukan koefisien korelasi di Ms. Excel :
  1. Aktifkan Fitur Add-ins : Analysis ToolPak dengan mengklik kanan pada area ribbon kosong di Tab Data.
  2. Pilih Customize Quick Access Toolbar…
  3. Pada kotak dialog Excel Options, pilih Add-ins.
  4. Pilih Add-ins : Analysis ToolPak.
  5. Pastikan pilihan Manage : Excel Add-ins.
  6. Klik Go…
  7. Klik tombol OK.
  8. Pilih Tab Data pada Excel dan fitur Data Analysis sudah muncul di bagian ribbon Analysis.
  9. Klik fitur Data Analysis, pilih Correlation, tentukan variabel X dan Y (input range).
  10. Klik OK jika sudah selesai.
  11. Lihat hasil perhitungan pada worksheet.

Korelasi

KORELASI PEARSON DAN SPEARMAN

Korelasi (correlation) adalah hubungan (relationship) antara dua variabel, terutama untuk variabel kuantitatif. Dengan demikian, ukuran korelasi menggambarkan tingkat hubungan (degree of relationship) antara dua variabel. Korelasi dan asosiasi sama-sama berarti hubungan atau kaitan antara dua atau lebih variabel, tetapi istilah korelasi berbeda dengan asosiasi dalam penggunaannya. Korelasi adalah ukuran hubungan antara dua variabel kuantitatif atau variabel numerik, sedangkan asosiasi adalah ukuran hubungan antara dua variabel kualitatif atau variabel kategori.

Ukuran korelasi (atau asosiasi) yang lazim digunakan adalah:

1.  Untuk dua variabel yang berskala minimal interval: koefisien korelasi Pearson (Pearson Product Moment Correlation)

2.  Untuk dua variabel yang berskala ordinal: korelasi peringkat Spearman (Spearman’s Rank Correlation), Goodman-Kruskal’s Gamma, Kendall’s tau-b & Kendall’s tau-c, dan Somers’d.

3.  Untuk dua variabel yang berskala nominal: koefisien Phi, Cramer’s V, dan Lambda.





Materi dan modul Statistika dapat diunduh dari link berikut.

Unduh
Statistics
Educational use only
Educational use only


File Praktikum Statistika (beserta jawaban) dapat diunduh dari link berikut.

Unduh
Statistics Practical Work
Educational use only

Educational use only

Regresi

SIMPLE LINEAR REGRESSION
(Regresi Sederhana Garis Lurus)

Regresi merupakan suatu bentuk atau model hubungan fungsi yang menggambarkan hubungan secara statistik (statistical relationship) antara dua atau lebih variabel, misalnya antara tingkat penjualan dan pengeluaran untuk iklan, dapat dibuat suatu model regresi yang memperlihatkan bentuk hubungan kedua variabel tersebut. Ada 2 macam model regresi sederhana, yakni regresi garis lurus dan regresi bukan garis lurus. Bab ini akan fokus kepada pembahasan dan penggunaan regresi sederhana garis lurus.

Analisis statistik bivariat merupakan analisis tentang suatu populasi, kelompok data, kejadian atau fenomena kehidupan berdasarkan dua variabel, terutama mempelajari bentuk keterkaitan (pattern of relationship/association) dan derajat keterkaitan (degree of relationship/association) antara dua variabel tersebut.

Sebab-akibat (cause-effect) adalah hubungan pengaruh saling mempengaruhi antara dua atau lebih variabel. Adanya korelasi memberikan indikasi kemungkinan adanya hubungan sebab akibat, tetapi tidak membuktikan adanya hubungan sebab-akibat tersebut.

Dua contoh statistik bivariat adalah:

1.    Regresi garis lurus yang menggambarkan pola hubungan garis lurus (linear relationship) antara variabel dependen (Y) dengan satu variabel independen (X) yang dapat digunakan untuk memperkirakan besaran nilai Y jika besaran nilai X diketahui.

2.  Koefisien korelasi Pearson yang menunjukkan derajat keterkaitan garis lurus (degree of linear relationship) antara kedua variabel.

Regresi sederhana (simple regression) adalah bentuk hubungan fungsi (keterkaitan antarvariabel) antara 2 variabel meliputi:

1.    Variabel bebas (independent variable, X) disebut juga variabel regressor, variabel penjelas (explanatory variable), variabel input, atau variabel yang dimanipulasi (manipulated variable).

2,  Variabel terikat (dependent variable, Y) disebut juga variabel regressand, variabel yang dijelaskan (explained variable), variabel output, atau variabel dampak (impact variable).




Materi dan modul Statistika dapat diunduh dari link berikut.

Unduh
Statistics
Educational use only
Educational use only


File Praktikum Statistika (beserta jawaban) dapat diunduh dari link berikut.

Unduh
Statistics Practical Work
Educational use only

Educational use only

Rabu, 02 Desember 2020

Z Score (Z Skor)

Z SCORE (Z SKOR) 

Z skor merupakan perbedaan antara raw score (skor asli) dan rata-rata dengan menggunakan unit-unit simpangan baku untuk mengukur perbedaan tersebut. Z skor mempunyai dua bagian, yaitu tanda (bisa positif atau negatif) dan nilai numerik. Kondisi di atas rata-rata diberi tanda positif dan kondisi di bawah rata-rata diberikan tanda negatif. Nilai numerik Z skor diperoleh dari perbedaan antara nilai asli dengan rata-ratanya dibagi dengan simpangan baku. (Irianto, 2009)

Untuk menentukan Z skor, dapat digunakan rumus berikut.






Materi dan modul Statistika dapat diunduh dari link berikut.

Unduh
Statistics
Educational use only
Educational use only


File Praktikum Statistika (beserta jawaban) dapat diunduh dari link berikut.

Unduh
Statistics Practical Work
Educational use only

Educational use only

Angka Indeks

ANGKA INDEKS

Angka indeks (atau disebut indeks) merupakan suatu angka yang dibuat sedemikian rupa sehingga dapat dipergunakan untuk melakukan perbandingan antara kegiatan yang sama (misalnya produksi, ekspor, hasil penjualan, jumlah uang beredar) dalam dua waktu yang berbeda. Adapun tujuan pembuatan angka indeks adalah untuk mengukur secara kuantitatif terjadinya perubahan dalam dua waktu yang berlainan. Oleh karena itu, pemerintah dan perusahaan-perusahaan yang menganut modern management membuat berbagai macam indeks untuk keperluan pemantauan dan evaluasi. (Supranto, 2016:298)

Di dalam membuat angka indeks, diperlukan dua macam waktu yaitu waktu dasar (base period) dan waktu yang sedang berjalan (current period).

Perubahan relatif dinyatakan dalam bentuk persentase. Angka indeks yang dinyatakan dalam persentase (biasanya persentase tidak dinyatakan atau tidak ditulis), akan tetapi setiap angka indeks selalu dibaca dalam persen.

Tabel 1 berikut menunjukkan macam-macam angka indeks.

Tabel 1. Jenis dan Metode Angka Indeks

Angka Indeks Sederhana

Angka Indeks Gabungan

1.    Indeks Harga

METODE TIDAK TERTIMBANG

2.    Indeks Jumlah

Agregatif Sederhana

3.    Indeks Nilai

 

 

METODE TERTIMBANG

1.    Metode Laspeyres

2.    Metode Paasche

3.    Metode Drobish

4.    Metode Fisher

5.    Metode Marshall-Edge-Worth

6.    Metode Walsh

7.    Metode Rata-rata Relatif Tertimbang


Materi dan modul Statistika dapat diunduh dari link berikut.

Unduh
Statistics
Education use only
Education use only


File Praktikum Statistika (beserta jawaban) dapat diunduh dari link berikut.

Unduh
Statistics Practical Work
Education use only

Education use only

Analisis Data Berkala

ANALISIS DATA BERKALA

Data Berkala (Data Deret waktu) adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan atau sekumpulan hasil observasi yang diatur dan didapat menurut urutan kronologis waktu, misalnya perkembangan produksi, harga barang, hasil penjualan, dan jumlah penduduk.

Analisis data berkala dapat dimanfaatkan untuk mengetahui perkembangan suatu/beberapa kejadian serta pengaruhnya/hubunganya terhadap kejadian lain. Dengan data berkala, juga dapat dibuat ramalan berdasarkan garis regresi atau garis trend.

Data berkala terdiri dari komponen-komponen, sehingga dengan analisis data berkala, dapat diketahui masing-masing komponen atau bahkan menghilangkan suatu/beberapa komponen. Karena ada pengaruh dari komponen, data berkala selalu mengalami perubahan-perubahan, sehingga apabila dibuat grafik akan menunjukkan adanya fluktuasi.

Ada empat komponen gerak/variasi data berkala, yaitu:
(1) Gerakan Jangka Panjang atau Trend = T (long term movement or secular trend)
(2) Gerakan atau Variasi Siklis (cyclical movement/variation) = C
(3) Gerakan atau Variasi Musiman (seasonal movement/variation) = S
(4) Gerakan/Variasi Tidak Teratur (irregular/random movement) = I

Apabila gerakan trend, siklis, musiman, dan acak diberikan simbol T, C, S, dan I, maka data berkala Y merupakan hasil kali dari 4 komponen berikut.

Y = T x C x S x I

Ada juga ahli statistik yang menganggap bahwa data berkala merupakan hasil penjumlahan dari 4 komponen tersebut, yaitu:

Y = T + C + S + I

Persamaan trend linear adalah: Y = a + b t

Terdapat beberapa metode yang umum digunakan untuk menggambarkan garis trend, yaitu:
1. Metode tangan bebas
2. Metode rata-rata semi
3. Metode rata-rata bergerak
4. Metode kuadrat terkecil


Materi dan modul Statistika dapat diunduh dari link berikut.

Unduh
Statistics
Educational use only
Educational use only


File Praktikum Statistika (beserta jawaban) dapat diunduh dari link berikut.

Unduh
Statistics Practical Work
Educational use only

Educational use only