Tamimi's Blog: 2013

Kamis, 10 Oktober 2013

Pengalaman Saya Membuat Web Site Sederhana

Fajar Tamimi

52411651

Disini saya akan menceritakan sedikit pengalaman membuat web site sederhana, di samping itu karna ada tugas membuat web site sederhana. saya membuat web site sederhana ini menggunakan notepad++. awal pemikiran saya susah, tapi begitu mencari informasi sebenernya susah susah gampang hehehe. saya dibantu teman saya untuk membuat web site tersebut.

pertama kali yang saya lakukan membuat home web site tersebut. berikut list program nya :

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en">
<head>
<title>Free Website Template</title>
<link href="files/style.css" rel="stylesheet" type="text/css" />
<script src="files/jQuery.js"></script>
<script src="files/js.js"></script>
</head>
<body>
<div id="wrapper">
<ul id="nav">
<li><a href="index.html" class='c' >Home</a></li>
<li><a href="indah.html" >Bio Indah</a></li>
<li><a href="fajar.html" >Bio Fajar</a></li>

</ul>
<h1 id="header">
Welcome to Our Simple Web 2IA07</h1>
<p> <img src="images/beton7.jpeg" alt="" width="253" height="255" align="middle" /></p>
<p> </p>
<p>Selamat datang di web kami yang sederhana ini.yang membuat web sederhana ini adalah :</p>
<p><a href="services.html">Indah</a></p>
<p><a href="portfolio.html">Fajar</a></p>
</div>
<div id="footerWrap">
<div id="footer">
<div class="fBox">
<a href="#"><img src="files/Facebook.png" class="fade" /></a>
<a href="#"><img src="files/Twitter.png" class="fade" /></a>
<a href="#"><img src="files/Youtube.png" class="fade" /></a>
</div>
</div>
<br class="clear" />
</div>
</div>

</body>
</html>

Setelah kita membuat home nya, baru lah kita membuat profile kita di web site tersebut. berikur list program untuk membuat profile nya :

<?xml version="1.0" encoding="UTF-8"?>

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">

<head>

<title>Services - Free Website Template</title>

</head>

<body>

<li><a href="indah.hmtl" >Bio Indah</a></li>

<li><a href="fajar.html">Bio Fajar</a></li>

</ul>

Biodata Fajar Tamimi</h1>

<p><strong>Nama : Fajar Tamimi</strong></p>

<p><strong>Tempat ,Tanggal Lahir : Banyumas , 27 September 1993</strong></p>

<p><strong>Jenis Kelamin : Laki-Laki</strong></p>

<p><strong>Alamat : Jl. Manggis 1 no 83 , Depok</strong></p>

<p><strong> Agama : Islam</strong></p>

<p><strong> Email : kribo_mocil@yahoo.co.id</strong></p>

<h1><font color="red">NAIK KERETA LEBIH BAIK,LEBIH BAIK NAIK KERETA <BR></font></h1>

</div>

</div>

</body>

</html>

mungkin ini pengalaman saya membuat web site sederhana

Rabu, 03 Juli 2013

TUGAS STATISTIKA ANOVA

Tugas 1. Soal ANOVA 2IA07

Pusat riset otomotif ingin mengetahui apakah dari 3 jenis sepeda motor yang diteliti menempuh jarak yang berbeda untuk setiap 1 liter bensin yang dikonsumsi. Secara random dipilih 5 sepeda motor untuk masing-masing jenis sepeda motor dan diperoleh data sebagaimana ditunjukkan pada Tabel 1. Jika diuji pada tingkat signifikansi 5 %, apakah terdapat perbedaan dari rata-rata jarak tempuh untuk setiap konsumsi 1 liter bensin?

Tabel 1. Jarak yang ditempuh (km) untuk setiap liter bensin

Motor “ Awet”	Motor “Bagus”	Motor “Cihui”
35.6	33.6	43.0
40.2	30.4	40.5
33.3	35.3	43.4
31.7	29.3	35.6
37.2	35.0	33.0

Jawaban :

X = rata-rata

X ”awet” = 35,6 n=5

X ”Bagus”= 32,72 n=5 X “total“ = 35,807 c =3

X ”Cihui” = 39,1 n=5 n=15

SSA = 5 (35,6-35,807)² + 5 (32,72-35,807)²+ 5 (39,1-35,807)² = 102,015

SSW = (35,6-35,6)² + (40,2-35,6)² +(33,3 -35,6)² +……+(33-39,1)² = 159,048

MSA = 102,0815 / (3-1) = 51,04075

MSW = 159,04 / (15-3) = 13,254

F = 51,04075 / 13,254 = 3,8509695

Analisis Regresi Linear Sederhana

Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk menguji sejauh mana hubungan sebab akibat antara Variabel Faktor Penyebab (X) terhadap Variabel Akibatnya. Faktor Penyebab pada umumnya dilambangkan dengan X atau disebut juga dengan Predictor sedangkan Variabel Akibat dilambangkan dengan Y atau disebut juga dengan Response. Regresi Linear Sederhana atau sering disingkat dengan SLR (Simple Linear Regression) juga merupakan salah satu Metode Statistik yang dipergunakan dalam produksi untuk melakukan peramalan ataupun prediksi tentang karakteristik kualitas maupun Kuantitas.

Contoh Penggunaan Analisis Regresi Linear Sederhana dalam Produksi antara lain :

Hubungan antara Lamanya Kerusakan Mesin dengan Kualitas Produk yang dihasilkan

Hubungan Jumlah Pekerja dengan Output yang diproduksi

Hubungan antara suhu ruangan dengan Cacat Produksi yang dihasilkan.

Model Persamaan Regresi Linear Sederhana adalah seperti berikut ini :

Y = a + bX

Dimana :
Y = Variabel Response atau Variabel Akibat (Dependent)
X = Variabel Predictor atau Variabel Faktor Penyebab (Independent)
a = konstanta
b = koefisien regresi (kemiringan); besaran Response yang ditimbulkan oleh Predictor.

Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini :

a = (Σy) (Σx²) - (Σx) (Σxy)
n(Σx²) – (Σx)²

b = n(Σxy) – (Σx) (Σy)
n(Σx²) – (Σx)²

Berikut ini adalah Langkah-langkah dalam melakukan Analisis Regresi Linear Sederhana :

Tentukan Tujuan dari melakukan Analisis Regresi Linear Sederhana

Identifikasikan Variabel Faktor Penyebab (Predictor) dan Variabel Akibat (Response)

Lakukan Pengumpulan Data

Hitung X², Y², XY dan total dari masing-masingnya

Hitung a dan b berdasarkan rumus diatas.

Buatkan Model Persamaan Regresi Linear Sederhana.

Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel Akibat.

Contoh Kasus Analisis Regresi Linear Sederhana :

Seorang Engineer ingin mempelajari Hubungan antara Suhu Ruangan dengan Jumlah Cacat yang diakibatkannya, sehingga dapat memprediksi atau meramalkan jumlah cacat produksi jika suhu ruangan tersebut tidak terkendali. Engineer tersebut kemudian mengambil data selama 30 hari terhadap rata-rata (mean) suhu ruangan dan Jumlah Cacat Produksi.

Penyelesaian

Penyelesaiannya mengikuti Langkah-langkah dalam Analisis Regresi Linear Sederhana adalah sebagai berikut :

Langkah 1 : Penentuan Tujuan

Tujuan : Memprediksi Jumlah Cacat Produksi jika suhu ruangan tidak terkendali

Langkah 2 : Identifikasikan Variabel Penyebab dan Akibat

Varibel Faktor Penyebab (X) : Suhu Ruangan,
Variabel Akibat (Y) : Jumlah Cacat Produksi

Langkah 3 : Pengumpulan Data

Berikut ini adalah data yang berhasil dikumpulkan selama 30 hari (berbentuk tabel) :

Langkah 4 : Hitung X², Y², XY dan total dari masing-masingnya

Berikut ini adalah tabel yang telah dilakukan perhitungan X², Y², XY dan totalnya :

Tanggal	Rata-rata Suhu Ruangan (X)	Jumlah Cacat (Y)	X²	Y²	XY
1	24	10	576	100	240
2	22	5	484	25	110
3	21	6	441	36	126
4	20	3	400	9	60
5	22	6	484	36	132
6	19	4	361	16	76
7	20	5	400	25	100
8	23	9	529	81	207
9	24	11	576	121	264
10	25	13	625	169	325
11	21	7	441	49	147
12	20	4	400	16	80
13	20	6	400	36	120
14	19	3	361	9	57
15	25	12	625	144	300
16	27	13	729	169	351
17	28	16	784	256	448
18	25	12	625	144	300
19	26	14	676	196	364
20	24	12	576	144	288
21	27	16	729	256	432
22	23	9	529	81	207
23	24	13	576	169	312
24	23	11	529	121	253
25	22	7	484	49	154
26	21	5	441	25	105
27	26	12	676	144	312
28	25	11	625	121	275
29	26	13	676	169	338
30	27	14	729	196	378
Total (Σ)	699	282	16487	3112	6861

Langkah 5 : Hitung a dan b berdasarkan rumus Regresi Linear Sederhana

Menghitung Konstanta (a) :

a = (Σy) (Σx²) - (Σx) (Σxy)
n(Σx²) – (Σx)²

a = (282) (16.487) – (699) (6.861)
30 (16.487) – (699)²

a = -24,38

Menghitung Koefisien Regresi (b)

b = n(Σxy) – (Σx) (Σy)
n(Σx²) – (Σx)²

b = 30 (6.861) – (699) (282)
30 (16.487) – (699)²

b = 1,45

Langkah 6 : Buat Model Persamaan Regresi

Y = a + bX

Y = -24,38 + 1,45X

Langkah 7 : Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel Akibat

I. Prediksikan Jumlah Cacat Produksi jika suhu dalam keadaan tinggi (Variabel X), contohnya : 30°C

Y = -24,38 + 1,45 (30)

Y = 19,12

Jadi Jika Suhu ruangan mencapai 30°C, maka akan diprediksikan akan terdapat 19,12 unit cacat yang dihasilkan oleh produksi.

II. Jika Cacat Produksi (Variabel Y) yang ditargetkan hanya boleh 4 unit, maka berapakah suhu ruangan yang diperlukan untuk mencapai target tersebut ?

4 = -24,38 + 1,45X

1,45X = 4 + 24,38

X = 28,38 / 1,45

X = 19,57

Jadi Prediksi Suhu Ruangan yang paling sesuai untuk mencapai target Cacat Produksi adalah sekitar 19,57°C

Sumber : http://www.produksielektronik.com/2013/04/analisis-regresi-linear-sederhana-simple-linear-regression/