Mencari Flashdisk Hilang Berbuntut Kamar Rapi dan Bersih

23 Januari 2011 19.51 By Arsyil Statistikawan 3 Komentar


Nah lo, pada bingung ya, apa tu hubungannya? Kalau arsyil mah ada... hubungannya sangat sering sekali terjadi. Bahkan gak cuma flashdisk, bisa dompet, kunci motor, atau yang lain-lain. Ujungnya eh malah bersih kamar. Secara, kalau hari biasanya sangat berantakan kamarku... kayak kapal pecah lagi. Apesnya, rasa semangat untuk merapikan kamar susah datang. Sangat males banget tergerak badan untuk membersikan kamar yang carut marut tersebut. Hingga akhirnya ketika ada sebuah bentak yang cukup urgen hilang dari pandangan mata. Yah misalnya domper atau kunci motor, dan yang barusan tadi terjadi adalah pencarian sebuah flashdisk!

Masalahnya tu flashdisk punya orang bro. Masa ngilangin punya orang, bisa-bisa suruh ganti. Mangkanya kudu cepet ditemukan. Tapi yang jadi urgen adalah karena di flashdisk itu ada urusan yang mau kuselesaikan. Yaitu membantu membuatkan slide power point yang rapi untuk seorang mbak yang mau seminar TA besok selasa. Padahal targetnya minggu pagi ini dah rampung. Eh malah ngilang tu flashdisk.

Ada dua kemungkinan memang yang kuduga tu flashdisk ngumpet. Yang pertama adalah nyelip sembunyi di kamar atau ketinggalan di kos temen. Soalnya kemarin sebelum pulang aku singgah ke kos temen dulu. Jadinya kusms temenku itu (Ali), untuk menanyakan apakah ada flashdisk yang ketinggalan saat aku kesitu kemarin. Eh lama banget lagi dia balesnya.

Sehingga sambil nunggu balesan kulakukan dugaan yang kedua. Yaitu mencari di kamar tidur. Nah, masalahnya kamarku lagi carut marut. Sangat memungkinkan memang sebuah benda kecil flashdisk sembunyi di sudut kamar. Jadinya aku putuskan untuk sekalian membersihkan dan merapikan kamar. Semua buku kurapikan, kasur juga, meja dan rak baju kukeluarkan dari kamar. Intinya isi kamar kurapikan seluruhnya. Eh taunya setelah selesai merapikan tu kamar sampai kinclong karena kusapu berkali-kali, tetep aja belum muncul tu flashdisk.

Sampai ketika balesan sms dari Ali tadi. Sekitar pukul 6 sore. Sms itu berkata "Iya ada". Jiahhh, ternyata di kos Ali. Alhamdulillah ketemu. Siap untuk berkarya!

Eitsss... ternyata aku dapat musibah ketika sudah di kampus. Baterai laptopku ilang! Sebenarnya dari tadi malam batereku kagak ada. Tapi ya kukira masih ada di bem. Aku yakin bahwa kemarin siang baterai laptopku ketinggalan. Eh taunya tadi kucari-cari di bem kagak ada............................. TT

[Minggu, 22 Jan 2010]


Selengkapnya...

Mengubah PDF ke to Word atau Excel atau Sebaliknya Dengan Online (Tempat Terbaik Menurut Saya)

20 Januari 2011 14.08 By Arsyil Statistikawan 3 Komentar


Sebelumnya untuk mengubah dokumen dari pdf ke word aku selalu menggunakan aplikasi pdftoword (bukan secara online). Tapi sungguh sangat tidak puas ketika terlihat hasil file wordnya amburadul. Kacau bangget lah. Paragrafnya sangat bikin gak jelas. Males dah lihatnya. Padahal dokumen tersebut lumayan perlu.

Nah barusan saja aku disuruh orang mengubah file pdf ke word. Ternyata dokumen pdf tersebut banyak sekali berbentuk tabel. Alhasil setelah diubah ke word dengan aplikasi pdftoword sangat kacau. Hampir pasrah waktu itu. Dala arti sepertinya aku harus membuat ulang di lembar baru word dalam batinku. Eh alhamdulillah aku mencoba mencari ke mbah google tentang tip dan trik mengubah dokumen pdf ke word.

Hingga kutemukan sebuah trik dari sebuah blog. Yaitu dengan cara online. Awalnya aku sangat sanksi. Apalagi setelah kucoba mengubah pdf dokumen itu ke excel. Eh, gak karuan hasilnya. Tapi kemudian kucoba untuk mengubah dokumen pdf itu ke word dengan situs online tersebut. Wah, sungguh kaget teramat. Bahwa hasilnya sangat lumayan memuaskan...!!

Selamat mencoba:
PDF TO WORD: http://pdftoword.com/
PDF TO EXCEL: http://www.pdftoexcelonline.com




Selengkapnya...

Cara Mengetahui Nilai F Tabel dari SPSS

01 Januari 2011 23.58 By Arsyil Statistikawan 3 Komentar

Berikut tahapannya:

1. Buka program SPSS, kemudian buat variabel baru untuk pengisian derajat bebas. Variabel derajat bebas yang kita buat adalah untuk derajat bebas 2 (df2) atau penyebut. Misalnya kita beri nama variabel tersebut df_2.
2. Kemudian isikan nilai derajat bebas 2 (df2) pada variabel tersebut. Terserah Sdr mulai dari 1 sampai berapapun.


3. Setelah itu klik Transform > Compute Variable. Akan muncul tampilan berikut:

Pada kotak isian Target Variable, isikan nama variabel untuk nilai F tabel yang akan kita hitung. Misalnya dalam contoh diatas kita beri nama df1_1_0.05 (karena kita ingin menghitung F tabel dengan df1 (pembilang)=1 berapapun df2 nya, dan dengan α = 5 %)
Pada kotak isian Numeric Expression: isikan rumus berikut: IDF.F(0.95,1,df_2)
(Catatan: sebenarnya rumus tersebut bisa dibuat dengan menu dropdown, tapi tidak kita bahas disini).
Pada rumus diatas, angka pertama dalam kurung (sebelum tanda koma) yaitu 0.95 adalah tingkat/taraf keyakinan (level of confidence). Taraf keyakinan ini = 1 – α. Nilai α (alpha) ini sendiri adalah tingkat/taraf signifikansi (level of significance). Jadi dalam contoh, misalnya kita ingin mencari nilai t tabel pada taraf signifikansi = 5 % (0.05), maka diisi pada rumus tersebut 1 – 0.05 = 0.95. (catatan: perhatikan perbedaannya dengan Excel. Pada rumus Excel, angka yang kita masukkan adalah langsung nilai α nya).
Selanjutnya, pada rumus diatas, angka yang diapit tanda koma yaitu angka 1 adalah nilai df1 nya. Dan yang dibelakang tanda koma adalah nama variabel tempat nyimpanan nilai df2 yang telah kita tuliskan sebelumnya. Karena nama variabel yang kita buat sebelumnya adalah df_2, maka tulis df_2 pada rumus tersebut.
3. Setelah itu klik OK, maka akan muncul hasil sebagai berikut:

Kolom disamping df_2 adalah nilai F tabel untuk df1=1 dan alpha = 0.05. Dengan cara yang sama, kita menghitung F tabel untuk nilai df1 lainnya (misalnya df1=2, df1=3 dstnya). Dengan cara yang sama kita juga mengganti α nya.
Ok, cukup sekian dulu. Anda juga bisa melihat cara membuat F tabel dengan Excel.

Sumber: http://junaidichaniago.wordpress.com


Selengkapnya...

Metode Dekomposisi (Trend, Siklus, Musiman) Aditif dan Multiplikatif Untuk Peramalan

13.03 By Arsyil Statistikawan 5 Komentar


Prinsip dasar dari metode dekomposisi deret waktu adalah mendekomposisi (memecah) data deret waktu menjadi beberapa pola dan mengidentifikasi masing-masing komponen dari deret waktu tersebut secara terpisah. Pemisahan ini dilakukan untuk membantu meningkatkan ketepatan peramalan dan membantu pemahaman atas perilaku deret data secara lebih baik (Makridakis, Wheelwright dan McGee, 1992).

Subagyo (1986) menjelaskan bahwa perubahan sesuatu hal itu biasanya mempunyai pola yang agak komplek, misalnya ada unsur kenaikan, penurunan, berfluktuasi dan tidak teratur, sehingga untuk diramal dan dianalisis dengan sekaligus sangatlah sulit, sehingga biasanya diadakan pendekomposisian data kedalam beberapa komponen. Masing-masing komponen akan dipelajari dan dicari satu persatu, setelah ditemukan akan digabung lagi menjadi nilai taksir atau ramalan.

Metode dekomposisi dilandasi oleh asumsi bahwa data yang ada merupakan gabungan dari beberapa komponen,

Data = pola + kesalahan = f(trend, siklus, musiman) + kesalahan

Komponen kesalahan diasumsikan sebagai perbedaan dari kombinasi komponen trend, siklus dan musiman dengan data sebenarnya (Assauri, 1984).

Asumsi di atas mengandung pengertian bahwa terdapat empat komponen yang mempengaruhi suatu deret waktu, yaitu tiga komponen yang dapat diidentifikasi karena memiliki pola tertentu yaitu : tren, siklus dan musiman, sedangkan komponen kesalahan tidak dapat diprediksi karena tidak memiliki pola yang sistematis dan mempunyai gerakan yang tidak beraturan (Awat, 1990).

Trend adalah kecenderungan gerak naik atau turun pada data yang terjadi dalam jangka panjang. Variasi musim adalah gerak naik dan turun yang terjadi secara periodik (berulang dalam selang waktu yang sama). Komponen siklis adalah perubahan gelombang pasang surut yang berulang kembali dalam waktu yang cukup lama, misalnya : 10 tahun, kuartal ke-20 dan lain-lain. Komponen kesalahan (random) adalah gerakan yang tidak teratur dan terjadi secara tiba-tiba serta sulit untuk diramalkan. Gerakan ini dapat timbul sebagai akibat adanya peperangan, bencana alam, krisis moneter dan lain-lain (Nugroho, 1993).

Menurut Hildebrand (1991), komponen tren, siklus, musiman dan kesalahan dari deret waktu dapat diasumsikan dalam dua model yang berbeda yaitu model multiplikatif dan model aditif.

Model multiplikatif dari metode dekomposisi adalah :
Xt = It . Tt . Ct .Et
sedangkan model aditifnya adalah :
Xt = It + Tt + Ct + Et
dimana,
Xt = data aktual pada periode ke-t
Tt = komponen Tren pada periode ke-t
Ct = komponen siklus pada periode ke-t
It = komponen musiman pada periode ke-t
Et = komponen kesalahan pada periode ke-t

Sebagai seorang Statistikawan, tidak menutup diri untuk membantu sesama dalam memecahkan permasalahan statistika. Bagi kamu yang pengin bertanya alias membahas sebuah persoalan statistik dengan saya, monggo, silakan tanyakan saja, dapat lewat blog ini atau facebook atau YM. Terima kasih.

Butuh tenaga statistik untuk mengerjakan penelitian anda? atau konsultasi tentang rumitnya statistika hingga menjadi mudah? dimanapun anda silakan kontak saya! (Mahasiswa S1 Statistika Universitas Diponegoro Semarang)

Selengkapnya...

Daftar Isi

Kata Bijak Hari Ini

3 RUMUS SUKSES

Rumus 1 :
Man Jadda Wajada
(Siapa yang bersungguh-sungguh akan berhasil)
Rumus 2 :
Man Shobaro Zhafira
(Siapa yang bersabar akan beruntung)
Rumus 3 :
Man Saro 'Aladdarbi Washola
(Siapa yang berjalan di jalur-Nya akan sampai)