Estimasi Fungsi Regresi Dalam Model Regresi Nonparametrik Birespon Menggunakan Estimator Smoothing Spline dan Estimator Kernel
|
|
- Deddy Gunawan
- 5 tahun lalu
- Tontonan:
Transkripsi
1 Vol.15, No., 0-4, Jauary 019 Estimasi Fugsi Regresi Dalam Model Regresi Noparametri Birespo Megguaa Estimator Smoothig Splie da Estimator Kerel 1 Budi Lestari, Nur Chamidah, da 3 Toha Saifudi Abstract Regressio model of bi-respod oparametric is a regressio model which is illustratig of the coectio patter betwee respod variable ad oe or more predictor variables, where betwee first respod ad secod respod have correlatio each other. I this paper, we discuss the estimatig fuctios of regressio i regressio model of bi-respod oparametric by usig differet two estimatio techiques, amely, smoothig splie ad erel. This study showed that for usig smoothig splie ad erel, the estimator fuctio of regressio which has bee obtaied i observatio is a regressio liier. I additio, both estimators that are obtaied from those two techiques are systematically oly differet o smoothig matrices. Keywords: erel estimator, smoothig splie estimator, regressio fuctio, bi-respod oparametric regressio model. Abstra Model regresi oparametri birespo adalah suatu model regresi yag meggambara pola hubuga atara dua variabel respo da satu atau beberapa variabel preditor dimaa atara respo pertama da respo edua berorelasi. Dalam maalah ii dibahas estimasi fugsi regresi dalam model regresi oparametri birespo megguaa dua tei estimasi yag berbeda, yaitu smoothig splie da erel. Hasil studi ii meujua bahwa, bai megguaa smoothig splie maupu megguaa erel, estimator fugsi regresi yag didapata merupaa fugsi liier dalam observasi. Selai itu, edua estimator fugsi regresi yag didapata dari edua tei estimasi tersebut secara matematis haya dibedaa oleh matris peghalusya. Kata Kuci : Estimator Kerel, Estimator Smoothig Splie, Fugsi Regresi, Model Regresi Noparametri Birespo. 1. Pedahulua Misal diberia pasaga data ( y i, ti ), 1,. ; i 1,,..., megiuti model regresi oparametri birespo sebagai beriut: yi f ( ti ) i, a t b (1) dega adalah meyataa bayaya respo, da betu fugsi regresi f da f 1 m tida dietahui da diasumsia mulus termuat dalam ruag Sobolev W [ a, b ], serta 1 Jurusa Matematia, Faultas Matematia da Ilmu Pegetahua Alam, Uiversitas Jember Jala Kalimata 37 Kampus Tegal Boto, Jember 6811, Idoesia. 1 budi.fmipa@uej.ac.id,3 Departeme Matematia, Faultas Sais da Teologi, Uiversitas Airlagga, Surabaya, Jala Mulyorejo Kampus C UNAIR, Surabaya Idoesia. i ( 1,. ; i 1,,..., ) adalah error radom idepedet dega mea ol da
2 1 variasi (Lestari et al., 01). Tujua medasar dari regresi oparametri birespo i adalah utu megestimasi fugsi regresi yag tida dietahui, f m [, ] W a b, dalam model (1). Dalam maalah ii diperhatia embali model regresi oparametri birespo yag dibahas oleh Wag et al., (000). Selajutya berdasara model tersebut, dibahas estimasi fugsi regresi berdasara dua estimator berbeda, yai estimator smoothig splie da estimator erel. Chamidah da Lestari (016) megguaa pedeata estimator splie utu megestimasi fugsi regresi, tetapi utu asus variasi sama (homosedasti). Mesipu Aydi (007) telah membahas tetag dua tei estimasi fugsi regresi, yai estimator smoothig splie da estimator erel, tetapi Aydi (007) megguaa estimator smoothig splie ad estimator erel tersebut haya utu megestimasi fugsi regresi dalam model regresi oparametri uirespo saja. Jadi Aydi (007) belum membahas edua tei estimasi fugsi regresi tersebut utu model regresi oparametri birespo. Sedaga Wag et al., (000) belum membahas estimator erel utu megestimasi fugsi regresi dalam model regresi oparametric birespo. Oleh area itu, dalam maalah ii aa dibahas dua tei estimasi fugsi regresi, yai estimator smoothig splie da estimator erel, dalam model regresi oparametri birespo utu asus variasi tida sama (yai, i, i 1,,..., ; i 1, ). Pembahasa estimasi fugsi regresi dalam model (1) megguaa estimator smoothig splie da estimator erel berturut-turut disajia dalam bab da bab 3.. Estimasi Fugsi Regresi Berdasara Estimator Smoothig Splie. Misala y ( y1, y), f ( f1, f), ( 1, ), da t ( t1, t) dega y ( y1, y,..., y ), f ( f ( t1), f ( t ),..., f ( t )), ( 1,,..., ), t ( t1, t,..., t ), 1, ; i 1,,...,. Oleh area itu, model (1) dapat diyataa dalam otasi vetor sebagai beriut: y f () 1 dega E( ) 0, da Cov( ) [ W ( )] diag( W ( ), W ( )) (Lestari et al. (01), 1 1 da Lestari et al. (017)). Estimasi fugsi f dalam model () berdasara estimator smoothig splie diperoleh dari peyelesaia masalah memiimuma weighted least-square (PWLS), yai meetua ˆf yag memiimuma PWLS: 1 Mi {( ) ( y1 f1) W 1( y1 f1) ( y f) W ( y f) f1, fw 1 b1 b () () 1 1 a 1 a pealized ( f ( t)) dt ( f ( t)) dt} (3) utu ilai ( 1, ) 0. Kompoe pertama dalam (3) meyataa jumlah uadrat residual yag merupaa uura goodess of fit, sedaga ompoe dalam (3) yag diboboti oleh, meyataa uura emulusa (smoothess) estimasi fugsi regresi f. Nilai ( 1,) dalam (3) dieal sebagai parameter peghalus (smoothig parameter). Jia ilai bervariasi dari 0 sampai, maa solusi juga bervariasi dari iterpolasi e suatu model liier. Utu, pealty emulusa medomiasi dalam (3), da estimasi splie medeati osta. Utu 0, pealty emulusa tida mucul dalam (3), da estimasi splie megiterpolasi data. Jadi parameter
3 peghalus memaia peraa petig dalam megotrol trade-off () atara goodess of fit yag diyataa oleh: da emulusa estimasi diuur dega: 1 ( ) ( y1 f1) W 1( y1 f1) ( y f) W ( y f) 1 b 1 () () ( f ( t)) dt ( f ( t)) dt a. 1 a 1 1 Selesaia berdasara smoothig splie utu masalah memiimuma (3) adalah dieal sebagai atural cubic splie dega ots t 1, t,..., t ( 1, ). Bertola dari hal ii, suatu iterpolasi splie terstrutur husus yag bergatug pada suatu ilai yag dipilih merupaa suatu pedeata yag sesuai utu fugsi-fugsi f ( 1, ) dalam model regresi oparametric birespo (1). Selajutya, misala f ( f1, f) dega f ( f ( t 1), f ( t ),..., f ( t )), 1, adalah vetor dari lai-ilai fugsi f ( 1, ) pada titi-titi ot t1, t,..., t ( 1, ). Estimator smoothig splie ˆf dari vetor atau ilai estimasi utu data y ( y1, y) dega y ( y1, y,..., y ), 1, dapat diperoleh dari Lestari et al. (01), da Lestari et al. (017): fˆ 1, 1 fˆ ˆ y H ( ) y fˆ, dega ˆf adalah suatu atural cubic splie dega ot-ot pada t 1, t,..., t ( 1, ) utu suatu parameter peghalus ( 1, ) 0, da H( ) dieal sebagai matris peghalus defiit-positif (simetri) yag bergatug pada da titi-titi ot t, t,..., t ( 1, ), tetapi tida bergatug pada y. Utu referesi umum tetag 1 smoothig splie, dapat ditemua pada Wahba (1990), Gree da Silverma (1994), da Euba (1999). 3. Estimasi Fugsi Regresi Berdasara Estimator Kerel. Filosofi utama dari model regresi oparametri adalah utu megestimasi fugsi regresi f megguaa suatu rata-rata terbobot dari data metah dimaa bobotbobotya merupaa suatu fugsi dari jara dalam ruag-t. Secara husus, bobot tersebut adalah suatu fugsi turu dari jara. Utu model regresi oparametri uirespo, suatu sema pembobota dari tipe ii diberia oleh Nadaraya-Watso (1964) yai bobot yag beraita dega observasi y j, utu predisi di t i diberia oleh persamaa sebagai beriut: ti tj K h Ku ( ) wij (5) ti tj K Ku ( ) j1 h j1 dega Ku () adalah suatu fugsi turu dari u, da h 0 disebut badwidth atau parameter peghalus. Ku (), fugsi erel yag didapata merupaa fugsi epadata probabilitas, misal Gaussia. Fugsi erel tersebut adalah simetris (Yatchew, 003 da Wad & Joes, 1995). b (4)
4 3 Selajutya, berdasara persamaa (5) da dega memperhatia model regresi oparametri birespo yag diberia dalam (1), maa bobot beraita dega observasi dari respo e-, y, utu predisi di t i diberia oleh: j ti tj K h K ( u) w( ) ij, 1,. (6) ti tj K K ( u) j1 h j1 Berdasara pada persamaa (6), diperoleh estimasi erel dari fugsi f dalam model regresi oparametri birespo (1) pada suatu titi pegepasa t i sebagai beriut: fˆ ( t ) yˆ w y w y, i 1,,...,, 1,. (7) i i ( ) ij j j j1 Setiap titi-titi data diberia suatu bobot berbeda w ( ) ij, j 1,,..., utu sembarag titi pegepasa t i. Dalam otasi matris, persamaa (7) dapat diyataa sebagai beriut: ˆf Wy (8) dega W diag W, W,..., W, ad 1 w( )11 w( )1 w( )1 w( )1 w( ) w( ) Wi, 1,. w( ) 1 w( ) w ( ) Matrix W meotasia erel hat atau matris peghalus erel. Seperti halya pada ordiary least square (OLS) dimaa hat matrix diguaa utu metrasformasia y e y ˆi, hat matrix erel diguaa utu metrasformasia y j e y ˆi. Predisi erel pada suatu titi, t i, diperoleh dega megguaa persamaa (7), da dega peggatia i dega 1. Jadi predisi erel pada suatu titi t i dapat ditulis sebagai beriut: y1 y ˆ f ( t1 ) w 1 y w( )11, w( )1,..., w ( )1, 1,. (9) y Ahirya, dega cara sama seperti pada estimasi smoothig splie dalam persamaa (4), da dega memperhatia persamaa (8) da (9), maa estimasi fugsi regresi dari model regresi oparametri birespo dalam (1) berdasara estimator erel diberia oleh: j
5 4 W1 0 0 fˆ 1 ( t1 ) 0 W 0 y1 ˆ f, 1,. (10) fˆ ( t ) y 0 0 W 4. Kesimpula Berdasara persamaa (4) da (10), estimator smoothig splie ( ˆf ), da estimator erel ( ˆf ) adalah estimator-estimator yag liier dalam observasi, da edua estimator tersebut adalah bias utu f. Hasil estimasi yag diperoleh dega megguaa estimator smoothig splie ad estimator erel secara tampila formula atau persamaa memilii emiripa, sedaga secara matematis eduaya haya dibedaa oleh matris-matris peghalusya, yai oleh suatu matris peghalus defiit-positif (simetri) yag bergatug pada da pada titi-titi ot utu pedeata estimator smoothig splie, da suatu hat matrix erel atau matris peghalus erel utu pedeata estimator erel. Ucapa Terima Kasih Maalah ii merupaa sebagia dari hasil peelitia PDUPT (Peelitia Dasar Uggula Pergurua Tiggi) Lajuta (Tahu e- dari recaa tahu). Utu itu ami megucapa terima asih epada Diretur DRPM-DIKTI yag telah medaai peelitia ii melalui Hibah Peelitia PDUPT (Lajuta) Tahu Aggara 018. Daftar Pustaa [1]. Aydi, D., 007. A compariso of the oparametric regressio models usig smoothig splie ad erel regressio. World Acad. Sci. Eg. Techol., 6, []. Chamidah, N. da Lestari,B., 016. Splie Estimator i Homoscedastic Multi- Respose Noparametric Regressio Model i Case of Ubalaced Number of Observatios. Far East Joural of Mathematical Scieces (FJMS), 100(9), [3]. Euba, R.L., Noparametric Regressio ad Smoothig Splie, Marcel Deer, New Yor. [4]. Gree, P.J. da Silverma, B.W Noparametric Regressio ad Geeralized Liear Models. Chapma Hall. New Yor. [5]. Hardle, W., Applied Noparametric Regressio. Cambridge Uiversity Press. Cambridge. [6]. Lestari, B., Budiatara, I.N., Suaryo, S., da Mashuri, M., 01. Splie smoothig for multi-respose oparametric regressio model i case of heteroscedasticity of variace. J. Math. ad Stat. 8, [7]. Lestari, B., Fatmawati, da Budiatara, I. N., 017. Estimasi Fugsi Regresi Noparametri Multirespo Megguaa Reproducig Kerel Hilbert Space Berdasara Estimator Smoothig Splie. Proceedig of Natioal Semiar o Mathematics ad Its Applicatios (SNMA) 017, Airlagga Uiversity, Surabaya, pp [8]. Nadaraya, E. A., O Estimatig Regressio. Theory Prob. Applicatios, 10,
6 [9]. Schime, M. G., 000. Smoothig ad Regressio. Joh Wiley & Sos, New Yor. [10]. Wad, M. P. da Joes, M.C., Kerel Smoothig. Chapma Hall, New Yor. [11]. Wag, Y., W. Guo da Brow, W.B., 000. Splie smoothig for bivariate data with applicatios to associatio betwee hormoes. Staistica Siica. 10, [1]. Watso, G. S., Smooth Regressio Aalysis. Sahya Series A. 6, [13]. Yatcchew, A., 003. Semiparametric Regressio for the Applied Ecoometricia. Cambridge Uiversity Press, Cambridge. 5
PEMBUKTIAN SIFAT RUANG BANACH PADA D(K)
JMP : Volume 4 Nomor 1, Jui 2012, hal. 41-50 PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga malahayati_01@yahoo.co.id ABSTRACT. I this
Lebih terperinciTEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS
Jural Matematia Vol.6 No. November 6 [ 5 : ] TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Ooy Rohaei Jurusa Matematia, UNISBA, Jala Tamasari No, Badug,6, Idoesia
Lebih terperinciSifat-sifat Fungsi Karakteristik dari Sebaran Geometrik
Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu
Lebih terperinciGambar 3.1Single Channel Multiple Phase
BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag
Lebih terperinciBAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi
BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag
Lebih terperinciBAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.
BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.
Lebih terperinciRepresentasi sinyal dalam impuls
Represetasi siyal dalam impuls Represetasi siyal dalam impuls adalah siyal yag diyataa sebagai fugsi dari impuls atau sebagai umpula dari impuls-impuls. Sembarag siyal disret dapat diyataa sebagai pejumlaha
Lebih terperinciPerluasan Uji Kruskal Wallis untuk Data Multivariat
Statistia, Vol. No., Mei Perluasa Uji Krusal Wallis utu Data Multivariat TETI SOFIA YANTI Program Studi Statistia, Uiversitas Islam Badug, Jl. Purawarma No. Badug. E-mail: buitet@yahoo.com ABSTAK Adaia
Lebih terperinciMAKALAH TEOREMA BINOMIAL
MAKALAH TEOREMA BINOMIAL Disusu utu memeuhi tugas mata uliah Matematia Disrit Dose Pegampu : Dr. Isaii Rosyida, S.Si, M.Si Rombel B Kelompo 2 1. Wihdati Martalya (0401516006) 2. Betha Kuria S. (0401516012)
Lebih terperinciMODUL BARISAN DAN DERET
MODUL BARISAN DAN DERET SEMESTER 2 Muhammad Zaial Abidi Persoal Blog http://meetabied.wordpress.com BAB I. PENDAHULUAN A. Desripsi Dalam modul ii, ada aa mempelajari pola bilaga, barisa, da deret diidetifiasi
Lebih terperinciKeywords: Convergen Series, Banach Space, Sequence space cs, Dual-α, Dual-
Jural MIPA FST UNDANA, Volume 2, Nomor, April 26 DUAL-, DUAL- DAN DUAL- DARI RUANG BARISAN CS Albert Kumaereg, Ariyato 2, Rapmaida 3,2,3 Jurusa Matematia, Faultas Sais da Tei Uiversitas Nusa Cedaa ABSTRACT
Lebih terperinciBAB I PENDAHULUAN. X Y X Y X Y sampel
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut
Lebih terperinciAproksimasi Terbaik dalam Ruang Metrik Konveks
Aprosimasi Terbai dalam Ruag etri Koves Oleh : Suharsoo S Jurusa atematia FIPA Uiversitas Lampug Abstra asalah esistesi da etuggala aprosimasi terbai suatu titi dalam ruag berorm telah dipelajari oleh
Lebih terperinciAplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier
Apliasi Sistem Orthoormal Di Ruag Hilbert Pada Deret Fourier A 7 Fitriaa Yuli S. FMIPA UNY Abstra Ruag hilbert aa dibahas pada papper ii. Apliasi system orthoormal aa diaji da aa diapliasia pada ruahg
Lebih terperinciMACAM-MACAM TEKNIK MEMBILANG
0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA
Lebih terperinciJurnal Ilmiah Matematika dan Terapan, vol.7, no. 1, Mei 2010, hal PERBANDINGAN MODEL REGRESI NONPARAMETRIK DENGAN REGRESI SPLINE DAN KERNEL
Jural Ilmiah Matematika da Teraa, vol.7, o., Mei 0, hal. -7. Abstrak PERBANDINGAN MODEL REGRESI NONPARAMETRIK DENGAN REGRESI SPLINE DAN KERNEL Lilis Laome ) ) Jurusa Matematika FMIPA Uiversitas Haluoleo
Lebih terperinciMASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?
Kartia Yuliati, SPd, MSi MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK Masalah Terdapat berapa caraah ita dapat memilih baju dari 0 baju yag tersedia? Cara Misala baju diberi omor dari sampai
Lebih terperinciPEMODELAN DATA TIME SERIES DENGAN PENALIZED SPLINE FILTER. Wuleng,A.T., Islamiyati,A., Herdiani, E.T. Abstrak
PEMODELAN DATA TIME SERIES DENGAN PENALIZED SPLINE FILTER Wuleg,A.T., Islamiyati,A., Herdiai, E.T. Abstrak Regresi oparametrik adalah suatu pedekata regresi utuk pola data yag tidak diketahui betuk kurva
Lebih terperinciBAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di kota Makassar pada tahun 2003 sampai tahun 2012)
BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di ota Maassar pada tahu 003 sampai tahu 0) PAISAL, H, HERDIANI, E.T. DAN SALEH, M 3 Jurusa Matematia, Faultas
Lebih terperinciSIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA
SIFAT ALJABAR BANACH KOMUTATIF DAN ELEMEN IDENTITAS PADA KELAS D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga Yogyaarta e-mail: malahayati_01@yahoo.co.id ABSTRAK Himpua
Lebih terperinciKonvolusi pada Distribusi dengan Support Kompak
Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematia da Nilai Islami) Vol1, No1, Juli 2017, Hal 453-457 p-issn: 2580-4596; e-issn: 2580-460X Halama 453 Kovolusi pada Distribusi dega Support Kompa Cythia
Lebih terperinciMengkaji Perbedaan Diagonalisasi Matriks Atas Field dan Matriks Atas Ring Komutatif
Megaji Perbedaa Diagoalisasi Matris Atas Field da Matris Atas Rig Komutatif Teorema : Jia A adalah matris x maa eryataa eryataa beriut eivale satu sama lai : a A daat didiagoalisasi b A memuyai vetor eige
Lebih terperinciTEOREMA KEKONVERGENAN FUNGSI TERINTEGRAL HENSTOCK- KURZWEIL SERENTAK DAN FUNGSI BERSIFAT LOCALLY SMALL RIEMANN SUMS (LSRS) DARI RUANG EUCLIDE
Teorema Keovergea Fugsi Teritegral Hestoc(Aiswita) TORMA KKONVRGNAN FUNGSI TRINTGRAL HNSTOCK- KURZWIL SRNTAK DAN FUNGSI BRSIFAT LOCALLY SMALL RIMANN SUMS (LSRS) DARI RUANG UCLID K RUANG BARISAN Aiswita,
Lebih terperinciMODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng
MODUL 1.03 DINMIK PROSES Ole : Ir. Tatag Kusmara, M.Eg LBORTORIUM OPERSI TEKNIK KIMI JURUSN TEKNIK KIMI UNIVERSITS SULTN GENG TIRTYS CILEGON BNTEN 2008 2 Modul 1.03 DINMIK PROSES I. Pedaulua Dalam bidag
Lebih terperinciBAB II TINJAUAN PUSTAKA. dengan asumsi bahwa telah diketahui bentuk fungsi regresinya. atau dalam bentuk matriks dapat ditulis dengan:
BAB II TINJAUAN PUSTAKA 2.1 Regresi Parametrik Regresi parametrik merupaka metode statistika yag diguaka utuk megetahui pola hubuga atara variabel prediktor dega variabel respo, dega asumsi bahwa telah
Lebih terperinciREGRESI NONPARAMETRIK MENGGUNAKAN METODE ROBUST DAN CROSS-VALIDATION (STUDI KASUS MAHASISWA STIA MUHAMMADIYAH SELONG)
Jural UJMC, Volume 3, Nomor, Hal. 9-6 pissn : 460-3333 eissn : 579-907X REGRESI NONPARAMETRIK MENGGUNAKAN METODE ROBUST DAN CROSS-VALIDATION (STUDI KASUS MAHASISWA STIA MUHAMMADIYAH SELONG) Rata Yuiarti,
Lebih terperinciBAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)
BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) 5.1. Pembagit Radom Variate Disrit Suatu Radom Variate diartia sebagai ilai suatu radom variate yag mempuyai distribusi tertetu. Utu megambil
Lebih terperinciPENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT
Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus
Lebih terperinciTEOREMA WEYL UNTUK OPERATOR HYPONORMAL
Jural UJMC, Volume 3, Nomor, Hal. - 6 pissn : 460-3333 eissn : 579-907X TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Guawa Uiversitas Muhammadiyah Purwokerto, gu.oge@gmail.com Abstract This paper aims at describig
Lebih terperinciDeret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka
oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu
Lebih terperinciMetode Perhitungan Grafik Dalam Geolistrik Tahanan Jenis Bumi Dengan Derajat Pendekatan Satu
Metode Perhituga Grafi.. P. Maurug Metode Perhituga Grafi Dalam Geolistri Tahaa Jeis Bumi Dega Derajat Pedeata Satu Posma Maurug Jurusa Fisia, FMIPA Uiversitas Lampug Jl. S. Brojoegoro No. Badar Lampug
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciBARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.
BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama
Lebih terperinciJurnal Ilmu Matematika dan Terapan Maret 2016 Volume 10 Nomor 1 Hal
Jural Ilmu Matematia da Terapa Maret 16 Volume 1 Nomor 1 Hal. 61 68 ANALISIS FAKTOR-FAKTOR YANG MEMPERNGARUHI KANKER LEHER RAHIM DI KOTA AMBON DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (Studi asus: Pasie
Lebih terperinciBab 5 Sinyal dan Sistem Waktu Diskrit. Oleh: Tri Budi Santoso Laboratorium Sinyal, EEPIS-ITS
Bab 5 Siyal da Sistem Watu Disrit Oleh: Tri Budi Satoso Laboratorium Siyal, EEPIS-ITS Materi: Represetasi matemati pada siyal watu disrit, domai watu da freuesi pada suatu siyal watu disrit, trasformasi
Lebih terperinciPERBANDINGAN HASIL PENGUJIAN INTERCEPT
IdoMS Joural o Statistics Vol., No. (3), Page 35-47 PERBANDINGAN HASIL PENGUJIAN INTERCEPT PADA UJI SATU ARAH MAKSIMUM DAN MINIMUM PADA UJI-UJI TERKAIT NON-SAMPLE PRIOR INFORMATION PADA MODEL REGRESI SEDERHANA
Lebih terperinciDeret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka
oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu
Lebih terperinciPEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG)
PEMBAHASAN SOAL OLIMPIADE SAINS NASIONAL SMP A. ISIAN SINGKAT SELEKSI TINGKAT PROPINSI TAHUN 011 BIDANG STUDI MATEMATIKA WAKTU : 150 MENIT 1. Jia x adalah jumlah 99 bilaga gajil terecil yag lebih besar
Lebih terperinciGerak Brown Fraksional dan Sifat-sifatnya
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 06 S - 3 Gera Brow Frasioal da Sifat-sifatya Chataria Ey Murwaigtyas, Sri Haryatmi, Guardi 3, Herry P Suryawa 4,,3 Uiversitas Gadjah Mada,4 Uiversitas
Lebih terperinciESTIMASI MODEL LINEAR PARSIAL DENGAN PENDEKATAN KUADRAT TERKECIL DAN SIMULASINYA MENGGUNAKAN PROGRAM S-PLUS
Jural Matematika Muri da Terapa Vol.6 No.2 Desember 2012 : 1-12 ESTIMASI MODEL LINEAR PARSIAL DENGAN PENDEKATAN KUADRAT TERKECIL DAN SIMULASINYA MENGGUNAKAN PROGRAM S-PLUS Nur Salam, Dewi Sri Susati da
Lebih terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciPENGANTAR MODEL LINEAR Oleh: Suryana
PENGANTAR MODEL LINEAR Oleh: Suryaa Model liear meyagkut masalah statistik yag ketergatugaya terhadap parameter secara liear. Betuk umum model liear adalah 0 1X1... px p, dega = Variabel respo X i = Variabel
Lebih terperinciESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan
JMP : Vol. 8 No., Des. 016, al. 33-40 ISSN 085-1456 ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI Novita Eka Cadra Uiversitas Islam Darul Ulum Lamoga ovitaekacadra@gmail.com Masriai Mayuddi Uiversitas
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciPenggunaan Transformasi z
Pegguaa Trasformasi pada Aalisa Respo Freuesi Sistem FIR Oleh: Tri Budi Satoso E-mail:tribudi@eepis-its.eduits.edu Lab Siyal,, EEPIS-ITS ITS /3/6 osep pemiira domais of represetatio Domai- discrete time:
Lebih terperinciBab 16 Integral di Ruang-n
Catata Kuliah MA3 Kalulus Elemeter II Oi Neswa,Ph.D., Departeme Matematia-ITB Bab 6 Itegral di uag- Itegral Gada atas persegi pajag Itegral Berulag Itegral Gada atas Daerah sebarag Itegral Gada Koordiat
Lebih terperinci1.1 METODE PENGEMBANGAN PENDEKATAN RATA- RATA SAMPEL UNTUK PROGRAM STOKASTIK DUA TAHAP. Faridawaty Marpaung. Abstrak
METODE PEGEMBAGA PEDEKATA RATA- RATA SAMPEL UTUK PROGRAM STOKASTIK DUA TAHAP Faridawaty Marpaug Abstra Peelitia ii megemuaa metode pegembaga pedeata rata rata sampel utu program stoasti dua tahap. Metodologi
Lebih terperinciPENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI
PENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI Nadya Zulfa Negsih, Bustami Mahasiswa Program Studi S Matematika Dose Jurusa Matematika
Lebih terperinciBAB 2 LANDASAN TEORI. lebar pita sinyal tersebut. Pada kebanyakan aplikasi, termasuk kamera digital video dan
BAB LADASA TEORI Teorema Shao-yquist meyataa agar tida ada iformasi yag hilag etia pecuplia siyal, maa ecepata pecuplia harus miimal dua ali dari lebar pita siyal tersebut. Pada ebayaa apliasi, termasu
Lebih terperinciBAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial
5 BAB II LANDASAN TEORI A. Persamaa Diferesial Dari ata persamaa da diferesial, dapat diliat bawa Persamaa Diferesial beraita dega peelesaia suatu betu persamaa ag megadug diferesial. Persamaa diferesial
Lebih terperinciPENGUJIAN INTERCEPT PADA UJI SATU ARAH MAKSIMUM UNTUK TESTS TERKAIT NON-SAMPLE PRIOR INFORMATION
UNIVERSITAS DIPONEGORO 3 ISBN: 978-6-4387-- PENGUJIAN INTERCEPT PADA UJI SATU ARAH MAKSIMUM UNTUK TESTS TERKAIT NON-SAMPLE PRIOR INFORMATION Budi Pratiko da Arlida Widiaa Jurusa MIPA Matematika Usoed Purwokerto
Lebih terperincix x x1 x x,..., 2 x, 1
0.4 Variasi Kaoi amel Da Korelasi Kaoi amel amel aca dari observasi ada masig-masig variabel dari ( + q) variabel (), () daat digabuga edalam (( + q) ) data matris,,..., dimaa (0-5) Adau vetor rata-rata
Lebih terperinciPengenalan Pola. Regresi Linier
Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk
Lebih terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA
PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas
Lebih terperinciFUNCTIONALLY SMALL RIEMANN SUMS (FSRS) DAN ESSENTIALLY SMALL RIEMANN SUMS (ESRS) FUNGSI TERINTEGRAL HENSTOCKn. p )
βeta -ISSN: 85-5893 e-issn: 54-458 Vol. 3 No. (Noember), Hal. 79-89 βeta DOI: htt://dx.doi.org/.44/betajtm.v9i.7 FUNCTIONALLY SMALL RIMANN SUMS (FSRS) DAN SSNTIALLY SMALL RIMANN SUMS (SRS) FUNGSI TRINTGRAL
Lebih terperinciBAB 6 NOTASI SIGMA, BARISAN DAN DERET
BAB 6 NOTASI SIGMA, BARISAN DAN DERET A RINGKASAN MATERI. Notasi Sigma Diberia suatu barisa bilaga, a, a,..., a. Lambag deret tersebut, yaitu: a = a + a +... + a a meyataa jumlah suu pertama barisa Sifat-sifat
Lebih terperinciSTATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA
STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA OUTLINE LANJUTAN Peetua garis duga regresi dega Metode OLS kostata a da koefisie b Aalisis Varias komposisi variasi sekitar garis r da r Stadard
Lebih terperinciSinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit
Siyal da Sistem Watu Disrit ET 35 Pegolaha Siyal Watu Disrit EL 5155 Pegolaha Siyal Watu Disrit Effria Yati Hamid 1 2 Siyal da Sistem Watu Disrit 2.1 Siyal Watu Disrit 2.1.1 Pegertia Siyal Watu Disrit
Lebih terperinciUNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALPHA CRONBACH SKRIPSI JANUARINA ANGGRIANI
UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALHA CRONBACH SKRISI JANUARINA ANGGRIANI 080655 FAKULTAS MATEMATIKA DAN ILMU ENGETAHUAN ALAM ROGRAM STUDI SARJANA
Lebih terperinciTri Handhika Pusat Studi Komputasi Matematika (PSKM), Kampus D 139 Universitas Gunadarma Abstrak
PENGGUNAAN MEODE EMPIRICAL BES LINEAR UNBIASED PREDICION (EBLUP) PADA GENERAL LINEAR MIXED MODEL ri Hadhika Pusat Studi Komputasi Matematika (PSKM), Kampus D 139 Uiversitas Guadarma trihadika@staff.guadarma.ac.id
Lebih terperinciMASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI
Vol. 11, No. 1, 45-55, Juli 2014 MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Fauziah Baharuddi 1, Loey Haryato 2, Nurdi 3 Abstra Peulisa ii bertujua utu medapata perumusa
Lebih terperinciPENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL
PENYELESAIAN PERSAMAAN DIFERENSIAL LANE-EMDEN MENGGUNAKAN METODE TRANSFORMASI DIFERENSIAL Ahma Sya roi, M Natsir, Eag Lily E-mail: Arolativa@yahoocom Mahasiswa Program S Matematia Dose Jurusa Matematia
Lebih terperinciMASALAH RUTE DISTRIBUSI MULTIDEPOT DENGAN KAPASITAS DAN KECEPATAN KENDARAAN HETEROGEN
MASALAH RUTE DISTRIBUSI MULTIDEPOT DENGAN KAPASITAS DAN KECEPATAN KENDARAAN HETEROGEN Adam Priyo Hartoo 1), Farida Haum 2), Toi Bahtiar 3) 1)2)3) Departeme Matematia, FMIPA, Istitut Pertaia Bogor Kampus
Lebih terperinciPENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ )
(Fey Nilawati Kusuma et al.) PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ ) I Gede Agus Widyadaa I Nyoma Sutapa Dose Faultas Teologi
Lebih terperinciSTUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS
STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS (Tati Octavia et al.) STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS Tati Octavia Dose Faultas
Lebih terperinciPENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR
PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember
Lebih terperinciPERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR
Jural Tei da Ilmu Komputer PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Budi Marpaug Faultas Tei da Ilmu Komputer Jurusa Tei Idustri
Lebih terperinciSIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT
Jural Matematika UNAND Vol. 4 No. 1 Hal. 12 22 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT ENIVA RAMADANI
Lebih terperinciPENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA
PENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA V. M. Vidya *, Bustami, R. Efedi Mahasiswa Program S Matematika Dose Jurusa Matematika
Lebih terperinciPENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR
PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember
Lebih terperinciAnova (analysis of varian)
ova (aalysis of varia) Ui hipotesis perbedaa ilai rata-rata dari atau lebih elompo idepede Cotoh: daah perbedaa berat bayi lahir dari eluarga E tiggi dega E sedag atau E redah sumsi Ui ova: 1. ube diambil
Lebih terperinciPemodelan pada Regresi Linier Berganda dengan Variabel Prediktor Stokastik
Jural Matematika, Statistika & Komputasi Vol. 8 No. Juli 0 Pemodela pada Regresi Liier Bergada dega Variabel Prediktor Stokastik Prodi Statistika, Jurusa Matematika, Uivesitas Hasauddi, Sulfiyati, Jaya
Lebih terperinciFAKTORISASI MATRIKS NON-NEGATIF MENGGUNAKAN ALGORITMA CHOLESKY BERBANTUAN SCILAB
Prosidig Semiar Nasioal Matematika da Pidika Matematika (SESIOMADIKA) 017 ISBN: 978-60-60550-1-9 Matematika Terapa, hal. 1-5 FAKTORISASI MATRIKS NON-NEGATIF MENGGUNAKAN ALGORITMA CHOLESKY BERBANTUAN SCILAB
Lebih terperinciSEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODIK ZAENAL ARIFIN
SEBARAN ASIMTOTI PENDUGA TURUNAN PERTAMA DAN TURUNAN EDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODI ZAENAL ARIFIN SEOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 008 PERNYATAAN MENGENAI TESIS
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciPENERAPAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON
E-Jural Matematika Vol., No., Mei 013, 6-10 ISSN: 303-1751 PENERAPAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON PUTU SUSAN PRADAWATI 1, KOMANG GDE SUKARSA, I GUSTI AYU MADE
Lebih terperinciSIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL
SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL Edag Habiuddi (Staf Pegajar UP MKU Politei Negeri Badug (Email : ed_.hab@yahoo.co.id ABSTRAK Sistem ragaia listri RLC seri
Lebih terperinciMENGUJI KEMAKNAAN SAMPEL TUNGGAL
MENGUJI KEMAKNAAN SAMPEL TUNGGAL 1.1 Uji Biomial 1. Uji esesuaia Chi Kuadrat 1.3 Uji Kesesuaia K-S 1.4 Uji Ideedesi Chi Kuadrat 1.5 Uji Pasti Fisher UJI BINOMIAL Meruaa uji roorsi dalam suatu oulasi Poulasi
Lebih terperinciPeluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes
eluag uatu Kejadia, Kaidah ejumlaha, eluag ersyarat, Kaidah eralia da Kaidah aiyes.eluag uatu Kejadia Defiisi : eluag suatu ejadia adalah jumlah peluag semua titi otoh dalam. Dega demiia : 0 (), ( ) =
Lebih terperinciHUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN
Jural Matematika UNAND Vol. 2 No. 2 Hal. 0 6 ISSN : 2303 290 c Jurusa Matematika FMIPA UNAND HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN VIRA AGUSTA, DODI
Lebih terperinciBab 6: Analisa Spektrum
BAB Aalisa Spetrum Bab : Aalisa Spetrum Aalisa Spetrum Dega DFT Tujua Belajar Peserta dapat meghubuga DFT dega spetrum dari sial hasil samplig sial watu otiue. -poit DFT dari sial x adalah Xω ag diealuasi
Lebih terperinciKORELASI POLISERIAL UNTUK PENDUGAAN PARAMETER STRUCTURAL EQUATION MODELING
Kode Maalah M- KORELASI POLISERIAL UNTUK PENDUGAAN PARAMETER STRUCTURAL EQUATION MODELING SEM Oleh : Nur Rusliah Prof. Dr. Dra. Susati Liuwih, M.Stat Dra. Kartia Fitriasari, M.Si. ABSTRAK Structural Equatio
Lebih terperinciIMPLEMENTASI RUMUS SOBEL PADA WEB DENGAN TOPIK REGRESI LINIER MENGGUNAKAN VARIABEL INTERVENING
Versi Olie: https://joural.ubm.ac.id/idex.php/alu Vol.I (No. ) : 9-4. Th. 08 Implemetasi Rumus Sobel Pada Regresi Liear ISSN: 60-60 IMPLEMENTASI RUMUS SOBEL PADA WEB DENGAN TOPIK REGRESI LINIER MENGGUNAKAN
Lebih terperinciProgram Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi
Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.
Lebih terperinciMATHunesa (Volume 3 No 3) 2014
MATHuesa (Volume 3 No 3) 014 MINIMUM PENUTUP TITIK DAN MINIMUM PENUTUP SISI PADA GRAF KOMPLIT DAN GRAF BIPARTIT KOMPLIT Yessi Riskiada Kusumawardai Program Studi S1 Matematika, Fakultas Matematika da Ilmu
Lebih terperinciBAB II TINJAUAN PUSTAKA. membahas distribusi normal dan distribusi normal baku, penaksir takbias μ dan σ,
BAB II TINJAUAN PUSTAKA.1 Pedahulua Dalam peulisa materi poo dari sripsi ii diperlua beberapa teori-teori yag meduug, yag mejadi uraia poo pada bab ii. Uraia dimulai dega membahas distribusi ormal da distribusi
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciKARAKTERISTIK NILAI EIGEN DARI MATRIKS LAPLACIAN
JMP : Volume 3 Nomor, Jui 2 KARAKTERISTIK NILAI EIGEN DARI MATRIKS LAPLACIAN Siti Rahmah Nurshiami, Mutia Nur Estri, Noor Sofiyati Program Studi Matematika, Fakultas Sais da Tekik Uiversitas Jederal soedirma,
Lebih terperinciFUNGSI-FUNGSI KERNEL PADA METODE REGRESI NONPARAMETRIK DAN APLIKASINYA PADA PRIEST RIVER EXPERIMENTAL FOREST S DATA
FUNGSI-FUNGSI KERNEL PADA METODE REGRESI NONPARAMETRIK DAN APLIKASINYA (Siaa Halim, et al.) FUNGSI-FUNGSI KERNEL PADA METODE REGRESI NONPARAMETRIK DAN APLIKASINYA PADA PRIEST RIVER EXPERIMENTAL FOREST
Lebih terperinciGRAFIKA
6 5 7 3 6 3 3 GRAFIKA 3 6 57 08 0 9 5 9 385 946 5 3 30 0 8 9 5 9 3 85 946 5 ANALISA REAL Utu uliah (pegatar) aalisa real yag dilegapi dega program MATLAB Dr. H.A. Parhusip G R A F I K A Peerbit Tisara
Lebih terperinciPERBANDINGAN MODEL REGRESI KERNEL DENGAN MODEL REGRESI POLYNOMIAL DALAM DATA FINANSIAL
IdoMS Joural o Statistics Vol., No. (014), Page 47-6 PERBANDINGAN MODEL REGRESI KERNEL DENGAN MODEL REGRESI POLYNOMIAL DALAM DATA FINANSIAL Nur Ei 1 1 Jurusa Matematika Program Studi Statistika, Fakultas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciHUBUNGAN VARIETY DAN IDEAL RADIKAL SKRIPSI. Oleh : Ambar Mujiarti J2A
HUBUNGAN VARIETY DAN IDEAL RADIKAL SKRIPSI Oleh : Ambar Mujiarti J2A 004 003 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 2009
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih terperinci1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi
Statisti Desriptif Keruciga atau Kurtosis Pegertia Kurtosis Peguura urtosis (peruciga) sebuah distribusi teoritis adaalaya diamaam peguura eses (excess) dari sebuah distribusi Sebearya urtosis bisa diaggap
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5
Mata Kuliah : Matematia Disrit Program Studi : Tei Iformatia Miggu e : 5 KOMBINATORIAL PENDAHULUAN Persoala ombiatori bua merupaa persoala baru dalam ehidupa yata. Baya persoala ombiatori sederhaa telah
Lebih terperinciMetode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial
Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu
Lebih terperinciBAHAN AJAR DIKLAT GURU MATEMATIKA
BAHAN AJAR DIKLAT GURU MATEMATIKA DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN 005 DAFTAR ISI Kata Pegatar.. i Daftar Isi...
Lebih terperinciPEMBUKTIAN SIFAT RUANG BANACH PADA B 1/4 (K) Malahayati
Jural Matematika Muri da Terapa εpsilo Vol. 07, No.01, (2013), Hal. 33 44 PEMBUKTIAN SIFAT RUANG BANACH PADA B 1/4 (K) Malahayati Program Studi Matematika Fakultas Sais da Tekologi UIN Sua Kalijaga Yogyakarta
Lebih terperinciAji Wiratama, Yuni Yulida, Thresye Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat Jl. Jend. A. Yani km 36 Banjarbaru
Jural Matematika Muri da Terapa εpsilo Vol.8 No.2 (24) Hal. 39-45 APLIKASI METODE DEKOMPOSISI ADOMIAN UNTUK MENENTUKAN FORMULA TRANSFORMASI LAPLACE Aji Wiratama, Yui Yulida, Thresye Program Studi Matematika
Lebih terperinci