DATA DIRI DOSEN Nama : AFIJAL, S.Kom, M.Kom NIDN : 0125088401 TTL : Pulau Kayu, 25 Agustus 1984 Alamat : Jl. Medan – B. Aceh Lr. Sawah Gampong Uteun Geulinggang.

Presentasi berjudul: "DATA DIRI DOSEN Nama : AFIJAL, S.Kom, M.Kom NIDN : 0125088401 TTL : Pulau Kayu, 25 Agustus 1984 Alamat : Jl. Medan – B. Aceh Lr. Sawah Gampong Uteun Geulinggang."— Transcript presentasi:

1 DATA DIRI DOSEN Nama : AFIJAL, S.Kom, M.Kom NIDN : 0125088401 TTL : Pulau Kayu, 25 Agustus 1984 Alamat : Jl. Medan – B. Aceh Lr. Sawah Gampong Uteun Geulinggang Kec. Dewantara Kab. Aceh Utara No. HP : +62813 6058 8524 – PIN BB : 73EA1C50 Webblog : http://www.ijalnewbie.wordpress.comhttp://www.ijalnewbie.wordpress.comPENDIDIKAN 1.SD Negeri 1 Blang Dalam Kab. Aceh Selatan 2.SMP Negeri 1 Kuala Batee Kab. Aceh Selatan 3.SMA Negeri 2 Lhokseumawe Kab. Aceh Utara 4.AMIK Logika Yos Sudarso Medan Diploma I 5.STMIK Bina Bangsa Lhokseumawe Sarjana Komputer Teknik Informatika 6.Universitas Putra Indonesia “YPTK” Padang Magister Komputer Sistem Informasi PEKERJAAN SEKARANG 1.Dosen Tetap Universitas Almuslim Peusangan 2.Direktur LSM JADUP Bireuen 3.Tuha Peut Kualisi untuk Advokasi Laut Aceh (KuALA) 4.Ketua Pembina Yayasan RIPMA (Riset dan Pengembangan Masyarakat)

2

3 Sebagai gambaran, jika terdapat data mengenai lamanya waktu yang dihabiskan untuk seorang pegawai KFC untuk mengantar pesanan ke rumah pembeli. Pegawai tersebut mengendarai sepeda motor untuk mengantarkan pesanan langsung ke rumah pemesan. No. Pesanan Jarak (km) Waktu (menit) 10,509,95 21,1024,45 31,2031,75 45,5035,00 52,9525,02 62,0016,86 73,7514,38 80,529,60 91,0024,35 103,0027,50 114,1217,08 124,0037,00 135,0041,95 No. Pesanan Jarak (km) Waktu (menit) 143,6011,66 152,0521,65 164,0017,89 176,0069,00 185,8510,30 195,4034,93 202,5046,59 212,9044,88 225,1054,12 235,9056,23 241,0022,13 254,0021,15

4 Seandainya datang pesanan ke-26 dari rumah yang jaraknya 1,5 km dari restoran, waktu pengantaran pesanan bagi pelanggan tersebut seharusnya langsung dapat diprediksi. Prediksi tersebut didasari anggapain bahwa waktu dipengaruhi oleh jarak rumah pelanggan. Apakah anggapan tersebut benar? Hal tersebut akan dibuktikan kemudian.

5 Apa perbedaannya dengan estimasi?  Estimasi merupakan kegiatan memperkirakan suatu hal, misalnya rata- rata populasi dari sejumlah sampel yang dimiliki. Estimasi dilakukan berdasarkan sampel yang ada di tangan kita.  Sementara itu, dalam prediksi, data yang ada di tangan kita yang digunakan untuk memprediksi hasil dari suatu hal baru yang akan segera muncul selanjutnya.  ESTIMASI dilakukan untuk memperkirakan hal yang tidak diketahui (rata-rata populasi, varians populasi), sedangkan PREDIKSI memperkirakan hasil dari hal yang belum terjadi.

6 Ada 2: Regresi Linier sederhana dan regresi linier berganda  REGRESI LINIER SEDERHANA hanya melibatkan satu variabel pemberi pengaruh, sementara  REGRESI LINIER BERGANDA melibatkan lebih dari satu variabel pemberi pengaruh.

7  Variabel adalah besaran yang berubah-ubah nilainya.  Variabel yang dianggap relevan untuk kasus yang dicantumkan di tabel contoh kasus sebelumnya adalah variabel jarak rumah pelanggan dan waktu tempuh pengiriman pesanan.  kedua variabel tersebut dapat dipilah menjadi dua jenis, yaitu variabel pemberi pengaruh dan variabel terpengaruh.  Variabel pemberi pengaruh dapat dianalogikan sebagai sebab, sementara variabel terpengaruh dapat dianalogikan sebagai akibat.

8 Bagaimana hubungan sebab akibat dari jarak rumah pelanggan dengan waktu tempuh?  Pemikiran yang logis adalah jauh-dekatnya jarak rumah pelanggan mengakibatkan panjang-pendeknya durasi waktu tempuh pengiriman.  Jarak merupakan variabel pemberi pengaruh, sementara waktu tempuh adalah variabel terpengaruh.

9 Data dapat digambarkan dalam sumbu kartesius dimana jarak sebagai sumbu X (dalam kilometer) dan waktu tempuh sebagai sumbu Y (dalam menit).

10 Tujuan regresi linier adalah mencari sebuah garis lurus yang sedekat mungkin dengan semua titik sehingga garis tersebut menjadi sahih untuk mewakili titik tersebut. Y adalah variabel terpengaruh, adalah konstanta, adalah gradient garis, dan X adalah variabel pemberi pengaruh.

11 Persamaannya :

12 No. Pesanan Jarak (km) Waktu ( menit ) Ixy 10.509.95 4,98 0,25 21.1024,45 26,90 1,21 31,2031,75 38,10 1,44 45,5035,00 192,50 30,25 52,9525,02 73,81 8,70 62,0016,86 33,72 4,00 73,7514,38 53,93 14,06 80,529,60 4,99 0,27 91,0024,35 1,00 103,0027,50 82,50 9,00 114,1217,08 70,37 16,97 124,0037,00 148,00 16,00 135,0041,95 209,75 25,00 No. Pesanan Jarak (km) Waktu (menit) Ixy 143,6011,66 41,98 12,96 152,0521,65 44,38 4,20 164,0017,89 71,56 16,00 176,0069,00 414,00 36,00 185,8510,30 60,26 34,22 195,4034,93 188,62 29,16 202,5046,59 116,48 6,25 212,9044,88 130,15 8,41 225,1054,12 276,01 26,01 235,9056,23 331,76 34,81 241,0022,13 1,00 254,0021,15 84,60 16,00 Jumlah82,94725,42 2745,81353,18 Rata-rata3,3229,02

13  Dengan menggunakan hasil perhitungan pada tabel, maka gradient dan konstanta menggunakan persamaan:  Persamaan regresi yang diperoleh adalah: Y= 14,58 + 4,35 X. PENGETAHUAN : prediksi untuk waktu tempuh pengiriman pesanan makanan. Waktu tempuh untuk pengiriman barang adalah 14,58 menit ditambah 4,35 kali jarak rumah pelanggan. Bila jarak rumah pelanggan adalah 0 km dari restoran, maka waktu antarnya diprediksi sekitar 14,58 menit. Setiap penambahan jarak rumah pelanggan sejauh 1 km, waktu pengiriman pun diprediksi akan bertambah selama 4,35 menit.

14 Persamaan regresi tidak hanya melibatkan satu variabel pemberi pengaruh. Persamaan regresi dibangun dengan lebih dari satu variabel pemberi pengaruh. Apabila terdapat k buah variabel pemberi pengaruh, maka bentuk persamaan regresinya menjadi :

15 …

16 X1 X2 Y Misalnya, X 1 = Kemampuan kerja karyawan X 2 = Kepemimpinan direktif Y = Produktivitas kerja Rumus persamaan regresi: Ŷ = b 0 + b 1 X 1 + b 2 X 2 b 0 = a = (konstan)

17 Respon -den X1X1 X2X2 YX12X12 X22X22 X 1 X 2 X1YX1YX2YX2YY2Y2 1107231004970230161529 2237496142149 3421516486030225 4641736162410268289 5862364364818438529 67522492535154110484 74310169124030100 86314369188442196 9742049162814080400 1063193691811457361 ∑604017040618226711227373162

18 Menghitung harga-harga : b 0 ; b 1, b 2 dengan menggunakan persamaan berikut, dengan menggunakan skor angka kasar: (1) ∑ Y= nb 0 + b 1 ∑X 1 + b 2 ∑X 2 (2) ∑X 1 Y = b 0 ∑X 1 + b 1 ∑X 1 2 + b 2 ∑X 1 X 2 (3) ∑X 2 Y = b 0 ∑X 2 + b 1 ∑X 1 X 2 + b 2 ∑X 2 2 Masukkan harga-harga di atas dimasukkan ke dalam persamaan tersebut sehingga menjadi: (1) 170 = 10 b 0 + 60 b 1 + 40 b 2 (2) 1122 = 60 b 0 + 406 b 1 + 267 b 2 (3) 737 = 40 b 0 + 267 b 1 + 182 b 2

19 Persamaan (1) dikalikan 6, persamaan (2) dikalikan 1, kemudian dikurangkan sehingga menjadi sebagai berikut. 1020 = 60 b 0 + 360 b 1 + 240 b 2 1122 = 60 b 0 + 406 b 1 + 267 b 2 ______________________________________  - 102 = 0 + -46 b 1 + -27 b 2 (4) - 102 = -46 b 1 - 27 b 2 Persamaan (1) dikalikan dengan 4, persamaan (3) dikalikan dengan 1, hingga hasilnya menjadi sebagai berikut: 680= 40 b 0 + 240 b 1 + 160 b 2 737= 40 b 0 + 267 b 1 + 182 b 2 ________________________________  -57= 0 + - 27 b 1 + - 22 b 2 (5) -57= - 27 b 1 - 22 b 2

20 Persamaan (4) dikalikan dengan 27, persamaan (5) dikalikan dengan 46, sehingga hasilnya menjadi: -2754= -1242 b 1 - 729 b 2 -2622= -1242 b 1 - 1012 b 2 _____________________________ -132= 0 b 1 + 283 b 2 b 2 = -132 : 283 = - 0,466 Harga b 2 dimasukkan ke dalam salah satu persamaan (4) atau (5). Dalam hal ini, dimasukkan ke dalam persamaan (4), sehingga menjadi: -102= -46 b 1 – 27 (-0,466) -102= -46 b 1 +12,582 46b 1 = 114,582  b 1 = 2,4909 = 2,491 Harga b 1 dan b 2 dimasukkan dalam persamaan (1), sehingga menjadi: 170= 10 b 0 + 60 (2,4909) + 40 (-0,466) 170= 10 b 0 + 149,454 - 18,640 10 b 0 = 170 – 149,454 + 18,640 b 0 = 39,186 : 10 = 3,9186 =3,919 Jadi, persamaan regresi linear ganda untuk dua prediktor: Ŷ = 3,919 + 2,491X 1 - 0,466X 2

21 Diskusi Pertanyaan dan Bertanyalah Bila Anda Tidak Ingin Sesat di Jalan

22 Kata-kata Bijak perangsang Otak “Tujuan dari belajar adalah terus tumbuh. Akal tidak sama dengan tubuh, akal terus bertumbuh selama kita hidup”

23