Font size
  • A-
  • A
  • A+
Site color
  • R
  • A
  • A
  • A
el-uinsu
  • Beranda
  • Kebijakan
    SK Rektor Petunjuk Teknis Pemberlakuan E-learning SK Tim Pengembangan E-learning Surat Edaran Rektor Penggunaan E-learning pada masa COVID-19 Surat Edaran Kewajiban Penggunaan E-learning Semester Gasal 2020/2021 SK Rektor Petunjuk Teknis Pemberlakuan E-learning Tahun 2022 SK Rektor Petunjuk Teknis Pemberlakuan E-learning Tahun 2023
    Panduan
    Buku Panduan Video Panduan Membuat Judul Matakuliah Video Panduan Membuat Topik Silabus (Materi Ajar) Video Panduan Membuat Kunci Matakuliah Video Panduan Membuat Pengelompokan Mahasiswa Video Panduan Membuat Daftar Hadir Mahasiswa Video Panduan Penggunaan E-learning Bagi Mahasiswa
    Fakultas dan Jurusan
    Fakultas Dakwah dan Komunikasi Fakultas Ekonomi dan Bisnis Islam Fakultas Ilmu Tarbiyah dan Keguruan Fakultas Syariah dan Hukum Fakultas Ushuluddin dan Studi Islam Fakultas Kesehatan Masyarakat Fakultas Ilmu Sosial Fakultas Sains dan Tekologi Pasca Sarjana
  • Webinar
  • Sumber Daya Informasi
    Perpustakaan UIN-SU Repository UIN-SU Portal Jurnal UIN-SU Jurnal Cambridge DOAJ
  • English ‎(en)‎ Indonesian ‎(id)‎ عربي ‎(ar)‎
  • دخول
تخطي إلى المحتوى الرئيسي

SEMESTER VI

  1. الصفحة الرئيسية
  2. تصنيف المقررات الدراسية
  3. Fakultas Sains dan Teknologi
  4. Program Studi Matematika
  5. SEMESTER VI
  • 1 (current)
  • 2
  • » التالي
ANALISIS DATA KATEGORIK (STATISTIKA 2)
ANALISIS DATA KATEGORIK (STATISTIKA 2)

ANALISIS DATA KATEGORIK (STATISTIKA 2)

ANALISIS DATA KATEGORIK (STATISTIKA 1)
ANALISIS DATA KATEGORIK (STATISTIKA 1)

ANALISIS DATA KATEGORIK (STATISTIKA 1)

PD PARSIAL MM2 GENAP 2022/2023 (NENNA)
PD PARSIAL MM2 GENAP 2022/2023 (NENNA)

PD PARSIAL MM2 GENAP 2022/2023 (NENNA)

PD PARSIAL MM1 GENAP 2022/2023 (NENNA)
PD PARSIAL MM1 GENAP 2022/2023 (NENNA)

PD PARSIAL MM1 GENAP 2022/2023 (NENNA)

REGRESI LINIER
REGRESI LINIER

REGRESI LINIER

Matakuliah ini memberikan pemahaman dan skill kepada mahasiswa untuk mampu mengidentifikasi apa yang dimaksud dengan variabel bebas dan variabel terikat dan hubungan (korelasi) antara kedua variabel. Statistika bivariat, multivariat, kemudian menyusun hipotesis dan memodelkan suatu kasus ke dalam model regresi dan melakukan uji asumsi klasik. Interpretasi model regresi yang diperoleh kemudian menguji kecocokan model. Menaksir (meramalkan) suatu nilai variabel terikat apabila diketahui nilai variabel bebas, serta menganalisis residu yang muncul dalam pemodelan penaksiran regresi

Analisis Data Kategorik
Analisis Data Kategorik

Analisis Data Kategorik

Data kategorik merupakan data dimana variabel – variabelnya dapat dikelompokan menjadi beberapa kelompok atau kategori seperti jenis kelamin, agama yang dianut atau ras kulit dari responden.

Sebagai Contoh sederhana  seorang peneliti ingin mengetahui bagaimana tentang  hubungan tingkat kecerdasan emosional seseorang dengan jenis kelaminnya. Tentunya, disini peneliti akan lebih tapat menggunakan analisis data kategorik dimana dengan mengkategorikan Tingkat kecerdasan menjadi tinggi dan rendah dapat diketahui hubunngan tingkat kecerdasan dengan jenis kelamin.


Analisis Data Kategorik (STAT-1 & STAT-2)
Analisis Data Kategorik (STAT-1 & STAT-2)

Analisis Data Kategorik (STAT-1 & STAT-2)

BISNIS DAN PROFESI
BISNIS DAN PROFESI

BISNIS DAN PROFESI

ETIKA PROFESI
ETIKA PROFESI

ETIKA PROFESI

Mata kuliah Etika Profesi mahasiswa diharapkan mampu menjelaskan dan memahami konsep dasar dari etika profesi, Perbedaan Etika, profesi dan Moral, Profesi dan profesional, Sejarah dan Perkembangan Etika Profesi, Kode Etik Profesi, Profesionalisme Kerja, Etos Kerja, Etika Profesi dalam bidang matematika, latar belakang lahirnya etika profesi Matematika, dan kode etik profesi di bidang Matematika.

ISBD (Matematika)
ISBD (Matematika)

ISBD (Matematika)

Persamaan Diferensial Parsial
Persamaan Diferensial Parsial

Persamaan Diferensial Parsial

Mata kuliah ini mempelajari sifat-sifat dasar PDP beserta solusinya untuk
  • persamaan panas,
  • persamaan gelombang,
  • dan persamaan Laplace/Poisson.
Metoda analitik penyelesaian pdp meliputi
  • metoda karakteristik, metoda koordinat,
  • dan metoda separasi variabel.
Metoda numerik beda hingga beserta syarat kestabilannya bagi ketiga persamaan kanonik di atas juga dibahas.



Persamaan Diferensial Parsial
Persamaan Diferensial Parsial

Persamaan Diferensial Parsial

Persamaan Diferensial Parsial (PDP)
Persamaan Diferensial Parsial (PDP)

Persamaan Diferensial Parsial (PDP)

PERSAMAAN DIFFERENSIAL PARSIAL MM1 GENAP 2021/2022 (NENNA)
PERSAMAAN DIFFERENSIAL PARSIAL MM1 GENAP 2021/2022 (NENNA)

PERSAMAAN DIFFERENSIAL PARSIAL MM1 GENAP 2021/2022 (NENNA)

PERSAMAAN DIFFERENSIAL PARSIAL MM4 2021/2022 LIA
PERSAMAAN DIFFERENSIAL PARSIAL MM4 2021/2022 LIA

PERSAMAAN DIFFERENSIAL PARSIAL MM4 2021/2022 LIA

PROGRAM DINAMIK (OR)
PROGRAM DINAMIK (OR)

PROGRAM DINAMIK (OR)

Program Dinamik (OR) MM-1 dan 2
Program Dinamik (OR) MM-1 dan 2

Program Dinamik (OR) MM-1 dan 2

Program Dinamik (OR) MM-3 dan 4
Program Dinamik (OR) MM-3 dan 4

Program Dinamik (OR) MM-3 dan 4

REGRESI LINIER
REGRESI LINIER

REGRESI LINIER

Statistika Matematika 1 Stambuk 2018
Statistika Matematika 1 Stambuk 2018

Statistika Matematika 1 Stambuk 2018

  • 1 (current)
  • 2
  • » التالي

Stay in touch

Universitas Islam Negeri Sumatera Utara

  • https://uinsu.ac.id/
  • Mobile : +62 (61) 6622925
  • pustipada@uinsu.ac.id
Get the mobile app
  • 0.313712 secs
  • RAM: 13.8ميغا بايب
  • RAM peak: 14ميغا بايب
  • Included 328 files
  • Contexts for which filters were loaded: 4
  • Filters created: 20
  • Pieces of content filtered: 4
  • Strings filtered: 0
  • get_string calls: 565
  • DB reads/writes: 120/1
  • DB queries time: 0.1179 secs
  • ticks: 32 user: 18sys: 1 cuser: 0 csys: 0
  • Load average: 0.18
  • Session (core\session\redis): 430 بايتز
  • Caches used (hits/misses/sets)
    • core/databasemeta [a]
    • ** static acceleration **: 0 / 1 / 0
    • cachestore_redis: 1 / 0 / 0
    • core/langmenu [a]
    • ** static acceleration **: 2 / 1 / 0
    • cachestore_redis: 1 / 0 / 0
    • core/string [a]
    • ** static acceleration **: 558 / 43 / 0
    • cachestore_redis: 43 / 0 / 0
    • core/plugin_functions [a]
    • ** static acceleration **: 0 / 12 / 0
    • cachestore_redis: 12 / 0 / 0
    • core/coursecatrecords [r]
    • cachestore_static: 1 / 1 / 1
    •  
    • core/capabilities [a]
    • ** static acceleration **: 4385 / 1 / 0
    • cachestore_redis: 1 / 0 / 0
    • core/roledefs [a]
    • ** static acceleration **: 0 / 1 / 0
    • cachestore_redis: 1 / 0 / 0
    • core/yuimodules [a]
    • cachestore_redis: 3 / 0 / 0
    •  
    • core/plugin_manager [a]
    • cachestore_redis: 3 / 0 / 0
    •  
    • core/coursecat [s]
    • cachestore_redis: 5 / 6 / 8
    •  
    • core/coursecattree [a]
    • ** static acceleration **: 4 / 6 / 0
    • cachestore_redis: 6 / 0 / 0
    • core/eventinvalidation [a]
    • ** static acceleration **: 0 / 1 / 0
    • cachestore_redis: 1 / 0 / 0
    • core/htmlpurifier [a]
    • cachestore_redis: 1 / 0 / 0
    •  
    • core/fontawesomeiconmapping [a]
    • ** static acceleration **: 0 / 1 / 0
    • cachestore_redis: 1 / 0 / 0
    • core/coursemodinfo [a]
    • cachestore_redis: 5 / 0 / 0
    •  
    • core/navigation_expandcourse [s]
    • cachestore_redis: 0 / 33 / 34
    •  
    • core/observers [a]
    • ** static acceleration **: 0 / 2 / 0
    • cachestore_redis: 2 / 0 / 0
Total: 5036 / 109 / 43