Institut Teknologi Sepuluh Nopember, Jurusan Statistika Arief Rahman Hakim, Surabaya 60111, Indonesia. Surel:
|
|
- Yulia Widjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 MODEL KLASIFIKASI MENGGUNAKAN METODE REGRESI LOGISTIK DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) (Stud Kasus: Data Surve Baya Hdup (SBH) Kota Kedr Tahun 2012) Sumarno 1), dan Bambang Wdanarko Otok 2) Insttut Teknolog Sepuluh Nopember, Jurusan Statstka Aref Rahman Hakm, Surabaya 60111, Indonesa 1) Mahasswa S2 Jurusan Statstka ITS, Surabaya, 2) Jurusan Statstka FMIPA ITS, Surabaya Surel: ABSTRACT Good classfcaton method should gve the least msclassfcaton rates. The Logstc Regresson and Multvarate Adaptve Regresson Splne (MARS) model was some of classfcaton method whch often used when there were any categorcal varable of response, wanted to be predcted wth categorcal or contnous type of predctor varable. Ths research am to get the best model among the two on classfcaton, takng the case of study of household preference on clothng shoppng place n Kedr, and ts nfluencng varables, based on 2012 s Cost of Lvng Surveys (SBH). Method performance s measured by ts accuracy rate, Nose Sgnal Rato (NSR) and G-Mean from classfcaton table. The classfcaton usng logstc regresson shows that response varable were only nfluenced by household ncome, numbers of household member, the educaton level of household leader, car ownershp, the source of household ncome, and nod food expendture percentage. Meanwhle, the result gven by MARS added two more nfluenced varables named the age of household leader and housng ownershp statuses. The accuracy rate, NSR, and G-mean performance ganed by MARS method reached consecutvely 71.2, 26.2, and 60.6 percent, Meanwhle the same results by Logstc Regresson consecutvely shows only 70.6, 30.3, and 36.3 percent. It was lead to the concluson that n ths case of study, classfcaton usng MARS performs better than Logstc Regresson. Keywords: classfcaton, logstc regresson, MARS, SBH PENDAHULUAN Pasar sebaga salah satu fasltas perbelanaan selama n sudah menyatu dan memlk tempat pentng dalam kehdupan masyarakat. Pasar atau tempat berbelana barang dapat dbedakan menad dua, yatu pasar modern dan bukan pasar modern. Pasar modern yang dmaksud dsn adalah yang terdr dar Supermarket, Hypermarket, Mnmarket, Swalayan dan Depertement Store, sedangkan yang dkategorkan bukan pasar modern yatu pasar tradsonal, toko/warung, pedagang kellng dan lannya. 38
2 Serng dengan kemunculan pusat-pusat pembelaaan pasar modern d Kota Kedr belakangan n merupakan cermn teradnya perubahan gaya hdup masyarakat d Kota Kedr. Berdasarkan data dar Dnas Perndustran, Perdagangan, Pertambangan dan Energ Pemerntah Kota Kedr, pada tahun 2012 Kota Kedr yang hanya terdr dar 3 kecamatan memlk 23 pasar tradsonal yang sebarannya merata hampr ke seluruh wlayah Kota Kedr, dan memlk 41 pusat perbelanaan modern yang terdr dar: 31 mnmarket, 1 supermarket, 3 departemen store dan 6 hypermarket, d mana sebaran untuk mnmarket uga hampr merata ke seluruh wlayah Kota Kedr, sedangkan untuk supermarket, departemen store dan hypermarket cenderung mengelompok pada daerahdaerah tertentu, sepert d Jl. Panglma Sudrman, Jl. Hasanudn, Jl. Hayam Muruk, dan Jl. Brgen Katamso. Ke empat lokas n merupakan pusat-pusat keramaan d Kota Kedr. Menurut Raharda (2010) konsep preferens berkatan dengan kemampuan konsumen menyusun prortas plhan agar dapat mengambl keputusan. Sehngga dapat dkatakan seorang konsumen akan mengatur pembelannya sesua dengan pendapatan yang dmlknya dengan memlh berbelana d pasar tradsonal atau d rtel modern. Dalam hal pengamblan keputusan untuk memlh tempat berbelana d pasar modern atau bukan pasar modern, tentu saa akan lebh menark untuk dlakukan peneltan lebh lanut dengan mengklasfkaskan sehngga dapat dketahu faktor-faktor apa saa yang mempengaruh rumah tangga dalam menentukan plhannya berbelana d pasar modern atau bukan pasar modern d Kota Kedr. Peneltan n akan menggunakan dua teknk modellng yatu regres logstk dan MARS tuuannya untuk mendapatkan model yang deal mengena faktor-faktor yang mempengaruh tempat berbelana barang kebutuhan sandang rumah tangga d Kota Kedr tahun 2012 yatu d pasar modern atau bukan pasar modern kemudan dar model yang sudah ddapatkan akan dtentukan metode mana yang lebh tepat untuk dpergunakan pada klasfkas tempat berbelana barang kebutuhan sandang rumah tangga d Kota Kedr tahun Pengukuran performa klasfkas menggunakan nla ketepatan klasfkas (Accuracy), Nose Sgnal Rato (NSR) dan Geometrc Mean (G- Mean). 39
3 Regres Logstk Analss regres logstk adalah analss yang dgunakan untuk melhat hubungan antara varabel respon kategork dengan varabel-varabel predktor kategork maupun kontnyu (Agrest, 2002). Regres logstk dapat dgunakan untuk pengklasfkasan seumlah obek ke dalam dua kelompok, karena varabel respon (Y) hanya terdr dar dua kategor (msal: 1 dan 0). Bentuk umum fungs regres logstk dengan k varabel predktor dformulaskan exp( 0 1x1 2x2... kxk) sebaga berkut: ( x), = 1 exp( x x... x ) parameter ke- dan = 1,2,..., k k k Nla Transformas logt dar ( x) menghaslkan persamaan sebaga berkut (Hosmer ( x) dan Lameshow, 2000): gˆ( x) ln 0 1x1 2x2... kx 1 ( x) k Pendugaan Parameter Model regres logstk dengan varabel respon bernla 0 atau 1 dmana antar pengamatan dasumskan salng bebas maka penduga parameter dperoleh dengan metode Maxmum Lkelhood Estmaton (MLE). Pada dasarnya prnsp dar pendugaan maksmum lkelhood adalah dengan mencar nla dar dengan memaksmumkan nla dar fungs lkelhood L( 0, 1,..., k ). Karena setap pengamatan dasumskan salng bebas, maka fungs lkelhood merupakan fungs kepadatan gabungan yatu: n L( ) f (, y ). Berhubung varabel respon regres logstk mengkut sebaran 1 dstrbus bernoull, sehngga fungs lkelhood menad n y 1 y 1, dmana ( x ) L ( ) [ ( x )] [1 ( x )] dtuls menunukkan nla ( x) ke- x dapat n k k k k 1 ln[ L( )] y ( x... x ) ln(1 exp( x... x )). menad: Untuk mendapatkan nla yang memaksmalkan L( ) maka perlu mendfferensalkan L( ) terhadap ( 0, 1, 2,..., k ) dan membuat persamaan yang 40
4 dperoleh sama dengan nol, dengan demkan dperoleh: n 1 [ y ( x )] 0dan n y x x ( x ) 0 dengan = 1,2,..., k. Hasl dar turunan pertama basanya 1 dmasukkan dalam sebuah vektor, yang dsebut vector gradent ( g ). Sedangkan turunan kedua haslnya dmasukkan dalam matrks yang dsebut matrks Hessan ( H ), dengan bentuk umum turunannya adalah: 2 L(,,..., ) 0 1 k n x ( )(1 ( )) 1 xw x x, w dmana,w =0,1,2,...,k. U Sgnfkans Parameter a. U Serentak Adapun hpotess yang dgunakan dalam penguan n adalah: :... 0 H : 1 Palng sedkt ada satu 0, dengan = 1,2,..., k. H0 1 2 k Statstk U-G drumuskan sebaga: G 2ln L 0 L1 dmana L0 Penduga lkelhood tanpa varabel predktor L1 Penduga lkelhood dengan varabel predktor (model penuh). Hpotess nol ( H 0 ) akan dtolak ka nla G htung 2 ( k, ) atau Pvalue. b. U Parsal Hpotess yang dgunakan dalam penguan n adalah: H : 0 0 H : 0 1, dengan = 1,2,..., k. Statstk u Wald drumuskan sebaga berkut: ˆ W ; 0,1,2,..., k SEˆ( ˆ ) dmana ˆ adalah nla penduga untuk parameter dengan SEˆ( ˆ ) merupakan dugaan galat baku untuk parameter. Jka nla Pvalue atau W dmana 2 2 (,1) adalah taraf sgnfkans atau tngkat kesalahan yang dtentukan, maka varabel predktor mempengaruh varabel respon. 41
5 c. Interpretas Koefsan Parameter Interpretas model regres logstk dlakukan dengan melhat nla odds rato (OR) pada masng-masng varabel dengan menganggap varabel lan konstan, OR ddefnskan sebaga pembandng antara dua nla logt pada X = 1 dan X = 0, maka: exp( 0 ) 1 (1) /[1 (1)] 1 exp( 0 ) 1 exp( 0) OR (0) /[1 (0)] exp( ) exp( 0) 1 exp( 0 ) Sehngga ORˆ exp( ˆ ) dan ln ORˆ ( ˆ ) exp( 0 ) exp( ) exp( ) 0 Pemodelan Multvarate Adaptve Regresson Splnes (MARS) Pada dasarnya MARS merupakan kombnas yang kompleks dar Splne dan Recursve Parttonng Regresson (RPR). Menurut Dllon (1978) dan Sharma (1996) metode MARS merupakan salah satu metode untuk klasfkas statstk modern yang sudah memanfaatkan fleksbltas model dan menduga suatu dstrbus d dalam masngmasng kelas yang pada akhrnya menyedakan suatu aturan pengelompokan. Untuk penentuan knot yatu menggunakan algortma forward stepwse dan backward stepwse. Pemlhan model yang palng optmum (terbak) dalam model MARS yatu ka nla GCV dar model tersebut mempunya nla GCV yang palng rendah (mnmum) dantara model-model lan. Menurut Fredman (1991) setelah dlakukan modfkas model RPR, dperoleh M K m model MARS adalah sebaga berkut: f ( x) a0 am [ skm.( xv( k, m) tkm)] m1 k1 Model MARS d atas dapat dsakan sebaga berkut: M y a a B ( x) dmana, Bm ( x) [ skm( xv( k, m) tkm)] 0 m m m1 K m m1 42
6 METODE Data yang akan dgunakan dalam peneltan n adalah data skunder dar Badan Pusat Statstk (BPS) mengena data rumah tangga hasl Surve Baya Hdup tahun 2012 (SBH 2012) d Kota Kedr, dengan umlah sampel rumah tangga SBH 2012 sebanyak rumah tangga. Unt observas/analss dar peneltan n adalah rumah tangga. Dar data n kemudan dolah menggunakan program SPSS 20 dan paket MARS 2.0. Dalam peneltan n varabel-varabel yang dduga berhubungan atau berpengaruh terhadap tempat berbelana barang kebutuhan sandang rumah tangga (Y) d Kota Kedr tahun 2012 adalah varabel pendapatan rumah tangga (X 1 ), umur kepala rumah tangga (X 2 ), banyaknya anggota rumah tangga (X 3 ), ens kelamn kepala rumah tangga (X 4 ), penddkan terakhr kepala rumah tangga (X 5 ), status penguasaan bangunan tempat tnggal (X 6 ), kepemlkan mobl (X 7 ), sumber pendapatan utama rumah tangga (X 8 ) dan persentase pengeluaran untuk kelompok non makanan (X 9 ). Untuk mencapa tuuan dar peneltan n maka dlakukan langkah-langkah sebaga berkut: 1. Pemsahan data peneltan menad 2 bagan, yatu data tranng (sebanyak rumah tangga) dan testng (sebanyak 160 rumah tangga) untuk valdas. 2. Untuk mendapatkan model dengan regres logstk tahapannya sebaga berkut: a. Mendefnskan varabel respon dan predktor dalam pembentukan model. b. Menduga parameter model dengan menggunakan MLE. c. Melakukan u smultan dengan menggunakan statstk u-g. d. Melakukan u parsal dengan menggunakan statstk u wald. e. Dar langkah (a) sampa dengan (d) dapat dketahu varabel-varabel predktor (X) apa saa yang mempengaruh varabel respon (Y). f. Mengnterpretaskan model. 3. Untuk mendapatkan model dengan MARS, dlakukan tahapan sebaga berkut: a. Mendefnskan varabel respon (Y) dan varabel predktor (X). b. Menentukan model terbak, dperoleh dengan cara tral and error sampa ddapatkan model dengan nla GCV mnmum. Tahapannya sebaga berkut: Menentukan maksmum fungs bass (BF) yatu 2 sampa 4 kal banyaknya varabel predktor. Menentukan umlah maksmum nteraks (MI) yatu 1, 2, dan 3. 43
7 Semnar Nasonal Sans & Teknolog V Menentukan mnmal umlah pengamatan setap knot atau observas mnmum (MO) antar knot sebanyak 0, 1, 2, atau 3 (Fredman, 1991). c. Mengulang langkah (b) sampa ddapat model dengan nla GCV mnmum dan tngkat ketepatan klasfkas terbesar. d. Dar urutan hasl tersebut datas akan dperoleh varabel-varabel yang berpengaruh secara sgnfkan dar pembentukan model MARS. e. Mengnterpretaskan model MARS terbak. 4. Menentukan metode mana yang mempunya performa terbak antara metode regres logstk dan metode MARS dengan membandngkan nla Accuracy, Nose Sgnal Rato (NSR) dan G-Mean. HASIL DAN PEMBAHASAN Pemodelan dengan Regres Logstk Dar hasl pengolahan dengan menggunakan SPSS 20 dperoleh model regres logstk, dmana dar 9 varabel predktor yang dduga mempengaruh varabel respon, ternyata hanya ada 6 varabel saa yang secara sgnfkan mempengaruh tempat berbelana barang kebutuhan sandang rumah tangga d Kota Kedr (nla sgnfkasnya kurang dar 0, 05) yatu: pendapatan rumah tangga (X 1 ), banyaknya anggota rumah tangga (X 3 ), penddkan terakhr kepala rumah tangga (X 5 ), kepemlkan mobl (X 7 ), sumber pendapatan utama rumah tangga (X 8 ) dan persentase pengeluaran untuk kelompok non makanan (X 9 ). Dengan tngkat accuracy sebesar 70,0 persen untuk data tranng dan setelah d valdas dengan data testng nak menad 70,6 persen, NSR dan G-Mean masng-masng 30,3 persen dan 36,3 persen. Sehngga model regres logstk yang ddapatkan adalah sebaga berkut: exp(0, 989 0, 000X1 0, 089X 3 0, 764 X 5(1) 0, 476 X 5(2) 0,811 X 7(1) 0, 270 X 8(1) 0, 000 X 9) ( x) 1 exp(0, 989 0, 000X 0, 089X 0, 764 X (1) 0, 476 X (2) 0,811 X (1) 0, 270 X (1) 0, 000 X ) atau apabla dlakukan transformas logt maka persamaan d atas menad: ( x) gˆ( x) ln 0, 989 0, 000X 0, 089X 0, 764 X (1) 0, 476 X (2) 0,811 X (1) 0, 270 X (1) 0, 000X 1 ( x)
8 Dar output SPSS dperoleh nla Exp(B) atau nla Odds Rato (OR) untuk (X 1 ), (X 3 ), (X 5 (1)), (X 5 (2)), (X 8 ) dan (X 9 ) masng-masng sebesar: 1,000, 0,914, 0,466, 0,621, 0,445, 0763 dan 1,000 dapat dambl kesmpulan sebaga berkut: o Varabel X 1, dengan nla OR=1,000: Jka pendapatan rumah tangga bertambah 1 rupah, maka kecenderungan rumah tangga tersebut berbelana d pasar modern berlpat sebanyak 1,000 kal dengan asums varabel lannya konstan. o Varabel X 3, dengan nla OR=0,914: Jka banyaknya anggota rumah tangga bertambah 1 orang, maka kecenderungan rumah tangga tersebut berbelana d pasar modern berlpat sebanyak 0,914 kal atau menurun sebesar (1/0,914) 1,09 kal dengan asums varabel lannya konstan. o Varabel X 9, dengan nla OR=1,000: Jka rumah tangga persentase pengeluaran untuk kelompok non makanan bertambah 1 persen, maka kecenderungan rumah tangga tersebut berbelana d pasar modern berlpat sebanyak 1,000 kal dengan asums varabel lannya konstan. Pemodelan dengan MARS Pembentukan model MARS dlakukan dengan cara tral and error terhadap maksmum Bass Fungs (BF), Maksmum Interaks (MI), dan mnmum umlah pengamatan dantara knot atau Mnmum Observas (MO) sampa dperoleh model optmal dengan nla GCV dan MSE mnmum. Dar cara tral and error terhadap kombnas antara BF, MI dan MO, Maka dperoleh model yang terbak adalah model 35. Model MARS yang terbentuk memlk nla GCV dan MSE terkecl sebesar 0,202 dan 0,194 dengan 8 varabel predktor yang berpengaruh terhadap tempat berbelana barang kebutuhan sandang rumah tangga d Kota Kedr, tngkat ketepatan klasfkas data tranng sebesar 70,56 persen, dan setelah dvaldas dengan data testng nak menad 71,2 persen, nla NSR dan G-Mean sebesar 26,2 persen dan 60,6 persen. Model 35 n merupakan kombnas antara BF=36, MI=3, dan MO=2. Sehngga persamaan model MARS adalah sebaga berkut: Y = 0,764 0,868E-07*BF2 + 0,427E-08* BF6 + 0,424E-07*BF7 0,162E-07*BF9 0,241E-07*BF13 + 0,017*BF22 0,448E-07*BF26 + 0,217E-07*BF29 0,116E-07*BF30 0,008*BF36 dmana, 45
9 BF2 = max(0, PENDAPAT) BF6 = max(0, UMUR )*BF3 Semnar Nasonal Sans & Teknolog V BF3 = ( MOBIL = 0)*BF2 BF7 = (PENDIDIK = 3)*BF3 BF9 = ( SUMBER = 0)*BF3 BF13 = max(0, JMLART )*BF3 BF17 = (PENDIDIK = 2 OR PENDIDIK = 3) BF19 = ( MOBIL = 0) BF22 = max(0, NONMAKAN )*BF17 BF24 = max(0, NONMAKAN )*BF17 BF30 = ( RUMAH = 0) * BF29 BF34 = ( RUMAH = 1)*BF19 BF26 = max(0, PENDAPAT )*BF24 BF29 = max(0, JMLART )*BF2 BF36 = max(0, UMUR )*BF34 Interpretaskan dar koefsen-koefsen fungs bass pada model MARS d atas adalah sebaga berkut: o Koefsen BF2 = max(0, PENDAPAT ) dengan koefsen -0,869E- 07: Artnya, koefsen BF2 akan bermakna ka nla pendapatan rumah tangga (X 1 ) lebh kecl dar rupah maka setap kenakan fungs bass (BF2) dapat mengurang resko rumah tangga berbelana barang kebutuhan sandang d pasar modern sebesar 0,869E-07 dengan rata-rata pendapatan rumah tangga kurang dar rupah. o BF6 = max(0, UMUR ) * BF3 dengan koefsen 0,427E-08: Artnya, koefsen BF6 akan bermakna ka umur kepala rumah tangga (X 2 ) lebh kecl dar 34 tahun dan kepemlkan mobl (X 7 ) adalah tdak memlk mobl dan pendapatan rumah tangga (X 1 ) lebh kecl dar rupah maka setap kenakan satu fungs bass (BF6) dapat menambah resko rumah tangga berbelana barang kebutuhan sandang d pasar modern sebesar 0,427E-08 dengan rata-rata umur kepala rumah tangga (X 2 ) kurang dar 34 tahun dan rata-rata pendapatan rumah tangga (X 1 ) kurang dar rupah. o Koefsen BF36 = max(0, UMUR ) * BF34 dengan koefsen -0,008: Artnya, koefsen BF36 akan bermakna ka umur kepala rumah tangga (X 2 ) lebh besar dar 52 tahun dan status penguasaan bangunan tempat tnggal (X 6 ) adalah mlk sendr dan kepemlkan mobl (X 7 ) adalah tdak memlk mobl maka setap kenakan satu fungs bass (BF36) dapat mengurang resko rumah tangga 46
10 berbelana barang kebutuhan sandang d pasar modern sebesar 0,008 dengan ratarata umur kepala rumah tangga (X 2 ) lebh dar dar 52 tahun. Ketepatan Klasfkas pada Model Regres Logstk Dengan menggunakan regres logstk, Ketepatan klasfkas yang dhaslkan sebesar 70,0 persen untuk data tranng dan setelah dvaldas dengan data testng nak sebesar 70,6 persen, nla NSR sebesar 30,3 persen dan nla G-Mean sebesar 36,3 persen. Ketepatan Klasfkas pada Model MARS Dengan menggunakan metode MARS, ternyata Ketepatan klasfkas yang dhaslkan sebesar 70,6 persen untuk data tranng dan dvaldas dengan data testng nak menad 71,2 persen, nla NSR sebesar 26,2 persen dan nla G-Mean sebesar 60,6 persen. KESIMPULAN 1. Dar hasl klasfkas dengan model regres logstk ddapatkan hanya 6 varabel yang mempengaruh tempat berbelana barang kebutuhan sandang rumah tangga d Kota Kedr yatu: (X 1 ), (X 3 ), (X 5 ), (X 7 ), (X 8 ) dan (X 9 ). Model regres logstk yang dperoleh adalah sebaga berkut: gˆ( x) 0, 989 0, 000X 0, 089X 0, 764 X (1) 0, 476 X (2) 0,811 X (1) 0, 270 X (1) 0, 000X Sedangkan dar hasl klasfkas dengan model MARS varabel predktor yang berpengaruh bertambah menad 8 varabel yatu: (X 1 ),(X 2 ),(X 3 ),(X 5 ),(X 6 ),(X 7 ),(X 8 ) dan (X 9 ). Model MARS yang dperoleh sebaga berkut: Y = 0,764 0,868E-07*BF2 + 0,427E-08* BF6 + 0,424E-07*BF7 0,162E- 07*BF9 0,241E-07*BF13 + 0,017*BF22 0,448E-07*BF26 + 0,217E-07*BF29 0,116E-07*BF30 0,008*BF36 Dengan: BF2 = max(0, PENDAPAT) BF3 = ( MOBIL = 0)*BF2 47
11 BF6 = max(0, UMUR )*BF3 BF7 = (PENDIDIK = 3)*BF3 BF9 = ( SUMBER = 0)*BF3 BF13 = max(0, JMLART )*BF3 BF17 = (PENDIDIK = 2 OR PENDIDIK = 3) BF19 = ( MOBIL = 0) BF22 = max(0, NONMAKAN )*BF17 BF30 = ( RUMAH = 0) * BF29 BF24 = max(0, NONMAKAN )*BF17 BF34 = ( RUMAH = 1)*BF19 BF26 = max(0, PENDAPAT )*BF24 BF29 = max(0, JMLART )*BF2 BF36 = max(0, UMUR )*BF34 2. Berdasarkan penghtungan ketepatan klasfkas dalam model maka metode MARS mempunya ketepatan klasfkas yang lebh bak ka dbandngkan dengan regres logstk yatu sebesar 71,2 persen untuk data testng, nla NSR yatu sebesar 26,2 persen dan nla G-Mean yatu sebesar 60,6 persen. sehngga dalam kasus n metode yang tepat untuk mengklasfkaskan terhadap tempat berbelana barang kebutuhan sandang rumah tangga d Kota Kedr lebh tepat menggunakan metode MARS. UCAPAN TERIMA KASIH Penuls mengucapkan terma kash kepada Bapak Dr. Bambang Wdanarko Otok, M.S atas bmbngan dan saran-saran yang dberkan selama n. DAFTAR PUSTAKA Agrest, A, (2002), Categorcal Data Analyss, John Wley & Sons, Hoboken, New Jersey. BPS, (2012), Pedoman Surve Baya Hdup 2012, Badan Pusat Statstk, Jakarta. Dllon, W.R, (1978), On The Performance of Some Multnomal Classfcaton Rules, Journal of Amercan Statstcal Assocaton, vol 73: Fredman, J.H, (1991), Multvarate Adaptve Regresson Splne, The Annals of Statstcs, Vol.19, No.1.(Mar., 1991).Hlm
12 Hosmer, D.W., dan Lemeshow, S., (2000), Appled Logstc Regresson, Second Edton, John Wley and Sons. Kubat, M., dan Matwn, S., (1997), Addressng the Curse of Imbalanced Tranng Sets: One-Sdded Selecton, n Proc.of the 14th Intl. Conf.on Machne Learnng, Hlm Raharda, P, (2010), Teor Mkroekonom, Lembaga Penerbt FE UI, Jakarta. Sharma, S, (1996), Appled Multvarate Technques, Jhon Wley and Sons, nc, New York. 49
MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 29 MODEL KLASIFIKASI RUMAHTANGGA MISKIN DENGAN PENDEKATAN METODE MARS Stud Kasus : Kota Surabaya Rokhana DB 1, Sutkno 2, Agnes Tut
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324
JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciANALISIS PEUBAH RESPON BINER
Analss Peubah Respon Bner... (Ksmantn) ANALISIS PEUBAH RESPON BINER Ksmantn Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta Abstrak Pada regres lner klask, peubah respon dasumskan merupakan
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER
UNIVERSITAS DIPONEGORO 013 ISBN: 978-60-14387-0-1 FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER Saftr Daruyan
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciConfigural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciEVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS
EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 193-204 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) DENGAN
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciMETODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity
37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel
Lebih terperinciCorresponding Author:
Perbandngan Fungs Ketahanan Hdup Dengan Metode Non Parametrk Menggunakan Uj Gehan Dan Uj Cox-Mantel (Lvng wth Securty Functon Comparson Method Usng Non Paremetrk Gehan test and Cox-Mantel Tes Ans Sept
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciOVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL
OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL Heru Wbowo, Suyono, Wdyant Rahayu Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Neger Jakarta
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciAnalitik Data Tingkat Lanjut (Regresi)
0 Oktober 206 Analtk Data Tngkat Lanut (Regres) Imam Cholssodn mam.cholssodn@gmal.com Pokok Bahasan. Konsep Regres 2. Analss Teknkal dan Fundamental 3. Regres Lnear & Regres Logstc (Optonal) 4. Regres
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciPERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA
Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1
ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN Ksmantn Jurusan Penddkan Matematka, FMIPA Unverstas Neger Yogyakarta Emal : ksm@uny.ac.d Abstrak Peubah respons
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Bab n akan menjelaskan latar belakang pemlhan metode yang dgunakan untuk mengestmas partspas sekolah. Propns Sumatera Barat dplh sebaga daerah stud peneltan. Setap varabel yang
Lebih terperinciBAB II TINJAUAN PUSTAKA. Analisis regresi adalah suatu metode statistika yang umum digunakan untuk
BAB II TINJAUAN PUSTAKA 2. Analss Regres Analss regres adalah suatu metode statstka yang umum dgunakan untuk melhat pengaruh antara varabel ndependen dengan varabel dependen. Hal n dapat dlakukan melalu
Lebih terperinciBAB IV TRIP GENERATION
BAB IV TRIP GENERATION 4.1 PENDAHULUAN Trp Generaton td : 1. Trp Producton 2. Trp Attracton j Generator Attractor - Setap tempat mempunya fktor untuk membangktkan dan menark pergerakan - Bangktan, Tarkan
Lebih terperinciSpline Truncated Multivariabel pada Permodelan Nilai Ujian Nasional di Kabupaten Lombok Barat
Jurnal Matematka Vol. 7, No., Desember 07, pp. 3-43 ISSN: 693-394 Artcle DOI: 0.4843/JMAT.07.v07.0.p90 Splne Truncated Multvarabel pada Permodelan Nla Ujan Nasonal d Kabupaten Lombok Barat Nurul Ftryan
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciPEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc.
PEMODELAN REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN 007 Yayuk Lstan NRP 06 00 068 DOSEN PEMBIMBING Dr. Purhad, M. Sc. JURUSAN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN 1. Kismiantini
Prosdng Semnar Nasonal Peneltan, Penddkan dan Penerapan MIPA Fakultas MIPA, Unverstas Neger Yogyakarta, 6 Me 9 ANALISIS PEUBAH RESPONS KONTINU NON NEGATIF DENGAN REGRESI GAMMA DAN REGRESI INVERSE GAUSSIAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciOleh : Deri Akhmad (9738) Johan Arifin (9834) Muhammad Alawido (10830) esi Hapsari (10832) Windu Pramana Putra (10835) Tya Hermoza (10849) Gempur
Oleh : Der Akhmad (9738) Johan Arfn (9834) Muhammad Alawdo (83) es Hapsar (83) Wndu Pramana Putra (835) Tya Hermoza (849) Gempur Safar (877) Febra Aryan (97) Asr Wdyasar (978) Nur Inayah (4) Adharsa Rakhman
Lebih terperinciBAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE
BAB VIB METODE BELAJAR Delta rule, ADALINE (WIDROW- HOFF), MADALINE 6B.1 Pelathan ADALINE Model ADALINE (Adaptve Lnear Neuron) dtemukan oleh Wdrow & Hoff (1960) Arstekturnya mrp dengan perseptron Perbedaan
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciBAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,
BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciRahmadeni 1, Zulya Desmita 2 ABSTRAK. Kata Kunci: Overdispersi, Regresi Binomial Negatif, Regresi Generalized Poisson, Regresi Poisson.
Jurnal Sans Matematka dan Statstka, Vol. No. Jul 16 ISSN 46-454 Perbandngan Model Regres Generalzed Posson Dan Bnomal Negatf Untuk Mengatas Overdspers Pada Regres Posson (Stud Kasus: Penderta Flarass d
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 ENDAHULUAN 1.1 Latar Belakang Secara umum dapat dkatakan bahwa mengambl atau membuat keputusan berart memlh satu dantara sekan banyak alternatf. erumusan berbaga alternatf sesua dengan yang sedang
Lebih terperinciPEMODELAN B-SPLINE DAN MARS PADA NILAI UJIAN MASUK TERHADAP IPK MAHASISWA JURUSAN DISAIN KOMUNIKASI VISUAL UK. PETRA SURABAYA
PEMODELAN B-SPLINE DAN MARS PADA NILAI UJIAN MASUK TERHADAP IPK MAHASISWA (I Nyoman Budantara, et al.) PEMODELAN B-SPLINE DAN MARS PADA NILAI UJIAN MASUK TERHADAP IPK MAHASISWA JURUSAN DISAIN KOMUNIKASI
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciDr. Nussar Hajarisma, M.Si Jurusan Statistika Terapan Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Padjajaran.
STUDI SIMULASI EVALUASI KETEPATAN KLASIFIKASI INDEKS MASSA TUBUH BERDASARKAN TABEL KLASIFIKASI INDEKS MASSA TUBUH WHO DENGAN PENDEKATAN REGRESI LOGISTIK ORDINAL DAN ANALISIS DISKRIMINAN (Stud Kasus Klasfkas
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciPELUANG ALUMNI PENDIDIKAN MATEMATIKA FKIP UMB DALAM MENDAPATKAN PEKERJAAN DENGAN MENGGUNAKAN ANALISIS REGRESI LOGISTIK
p-issn 979 3693 e-issn 477 0647 MEDIA SAISIKA 0( 7: 85-94 http://ejournal.undp.ac.d/ndex.php/meda_statstka PELUANG ALUMNI PENDIDIKAN MAEMAIKA FKIP UMB DALAM MENDAPAKAN PEKERJAAN DENGAN MENGGUNAKAN ANALISIS
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB
SISTEM PENDUKUNG KEPUTUSAN PENILAIAN KINERJA DAN PEMILIHAN MITRA BADAN PUSAT STATISTIK (BPS) KABUPATEN GUNUNGKIDUL MENGGUNAKAN METODE SAW BERBASIS WEB Putr Har Ikhtarn ), Bety Nurltasar 2), Hafdz Alda
Lebih terperinciBAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.
BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen
Lebih terperinciPEMODELAN REGRESI ZERO INFLATED NEGATIVE BINOMIAL (ZINB) PADA KASUS TETANUS NEONATORUMDI PROVINSIJAWA TIMUR
ISBN : 978.602.36.002.0 PEMODELAN REGRESI ZERO INFLAED NEGAIVE BINOMIAL (ZINB) PADA KASUS EANUS NEONAORUMDI PROVINSIJAWA IMUR Cndy Cahyanng Asut, Isman Zan 2 Mahasswa Jurusan Statstka Insttut eknolog Sepuluh
Lebih terperinciAPLIKASI KORELASI PEARSON DALAM MEMBANGUN MODEL TREE-AUGMENTED NETWORK (TAN) (Studi Kasus Pengenalan Karakter Tulisan Tangan)
APLIKASI KORELASI PEARSON DALAM MEMBANGUN MODEL TREE-AUGMENTED NETWORK (TAN) (Stud Kasus Pengenalan Karakter Tulsan Tangan) Irwan Bud Santoso Jurusan Teknk Informatka, Sans dan Teknolog Unverstas Islam
Lebih terperinciSEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN
AALISIS DISKRIMIA DISKRIT UTUK MEGELOMPOKKA KOMPOE Bernk Maskun Jurusan Statstka FMIPA UPAD jay_komang@yahoo.com Abstrak Untuk mengelompokkan hasl pengukuran yang dukur dengan p buah varabel dmana penlaan
Lebih terperinciAnalisis Faktor Risiko Kematian Ibu dan Kematian Bayi dengan Pendekatan Regresi Poisson Bivariat di Provinsi Jawa Timur Tahun 2013
JURNAL SAINS DAN SENI IS Vol. 4, No., (05) 337-350 (30-98X Prnt) Analss Faktor Rsko Kematan Ibu dan Kematan Bay dengan Pendekatan Regres Posson Bvarat d Provns Jawa mur ahun 03 D39 Ind Arkand dan Wwek
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada
BAB 5 ASIL DAN PEMBAASAN 5. asl Peneltan asl peneltan akan membahas secara lebh lengkap mengena penyajan data peneltan dan analss data. 5.. Penyajan Data Peneltan Sampel yang dgunakan dalam peneltan n
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciPemodelan Regresi Zero-Inflated Poisson (ZIP) tentang Faktor-Faktor yang Mempengaruhi Penyakit Tuberkulosis (TBC) di Kabupaten Sorong Selatan
Semnar Hasl Tugas Akhr Pemodelan Regres Zero-Inflated Posson (ZIP) tentang Faktor-Faktor yang Mempengaruh Penyakt Tuberkuloss (TBC) d Kabupaten Sorong Selatan Oleh : Nur Setyanngrum 1307100078 Pembmbng
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciSOLUSI TUGAS MATA KULIAH STATISTIKA II
SOLUSI TUGAS MATA KULIAH STATISTIKA II SOAL : Suatu Peneltan dlakukan untuk menelaah empat metode pengajaran, yatu Metode A (ceramah d kelas), Metode B (mengajak dskus langsung dengan sswa), Metode C (ceramah
Lebih terperinciBAB 2 TINJAUAN KEPUSTAKAAN
BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud
Lebih terperinciModel Potensial Gravitasi Hansen untuk Menentukan Pertumbuhan Populasi Daerah
Performa (2004) Vol. 3, No.1: 28-32 Model Potensal Gravtas Hansen untuk Menentukan Pertumbuhan Populas Daerah Bambang Suhard Jurusan Teknk Industr, Unverstas Sebelas Maret, Surakarta Abstract Gravtaton
Lebih terperinciV ANALISIS VARIABEL MODERASI DAN MEDIASI
Solmun Program Stud Statstka FMIPA UB 31 V ANALISIS VARIABEL MODERASI DAN MEDIASI A. Pengertan Varabel Moderas Varabel Moderas adalah varabel yang bersfat memperkuat atau memperlemah pengaruh varabel penjelas
Lebih terperinciModel Regresi Variabel dengan Metode Selisih Mutlak. Moderating Variable Regression Model with an Absolute Difference Method
Model Regres Varabel dengan Metode Selsh Mutlak Moderatng Varable Regresson Model wth an Absolute Dfference Method Desy Ika Rachmawat 1, Des Yunart, dan Darnah And Nohe 3 1 Mahasswa Program Stud Statstka
Lebih terperinciMETODE PENELITIAN. Penentuan lokasi dilakukan secara tertuju (purposive) karena sungai ini termasuk
IV. METODE PENELITIAN 4.1. Tempat dan Waktu Peneltan Peneltan n dlakukan d Sunga Sak, Kota Pekanbaru, Provns Rau. Penentuan lokas dlakukan secara tertuju (purposve) karena sunga n termasuk dalam 13 sunga
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciPembayaran harapan yang berkaitan dengan strategi murni pemain P 2. Pembayaran Harapan bagi Pemain P1
Lecture : Mxed Strategy: Graphcal Method A. Metode Campuran dengan Metode Grafk Metode grafk dapat dgunakan untuk menyelesakan kasus permanan dengan matrks pembayaran berukuran n atau n. B. Matrks berukuran
Lebih terperinciBootstrap Pada Regresi Linear dan Spline Truncated
Statstka, Vol. 8 No. 1, 47 54 Me 2008 Bootstrap Pada Regres Lnear dan Splne runcated Harson Darmaw 1) dan Bambang Wdjanarko Otok 2) 1) enaga Pengajar d Jurusan Matematka UNRI, Pekanbaru e-mal: son_ms@yahoo.co.d
Lebih terperinciAnalysis of Covariance (ANACOVA)
Analss of Covarance ANACOVA Bett Kash Paramtha Ihda Ihsana Gempur Safar Oleh: La Ftran Muhammad Alawdo Erma Aprlana Eka Setanngsh Prof Dr Sr Haratm Kartko Program Stud Statstka FMIPA Unverstas Gadah Mada
Lebih terperinciPENERAPAN MODEL LOGIT DALAM PEMETAAN POTENSI PENGEMBANGAN BANK SYARIAH 1)
, Oktober 2006, p: 2-27 Vol. No. 2 ISSN : 0853-85 PENERAPAN MODEL LOGIT DALAM PEMETAAN POTENSI PENGEMBANGAN BANK SYARIAH ) Har Wayanto Departemen Statstka Insttut Pertanan Bogor, Bogor Abstrak Penerapan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi
3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciPEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA TENGAH DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 575-584 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN PERSENTASE PENDUDUK MISKIN DI KABUPATEN DAN KOTA DI JAWA
Lebih terperinciPENERAPAN METODE LINIEAR DISCRIMINANT ANALYSIS PADA PENGENALAN WAJAH BERBASIS KAMERA
PENERAPAN MEODE LINIEAR DISCRIMINAN ANALYSIS PADA PENGENALAN AJAH ERASIS KAMERA Asep Sholahuddn 1, Rustam E. Sregar 2,Ipng Suprana 3,Setawan Had 4 1 Mahasswa S3 FMIPA Unverstas Padjadjaran e-mal: asep_sholahuddn@yahoo.com
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Dalam memlh sesuatu, mula yang memlh yang sederhana sampa ke hal yang sangat rumt yang dbutuhkan bukanlah berpkr yang rumt, tetap bagaman berpkr secara sederhana. AHP
Lebih terperinciREKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA
REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA Jl. Boulevard Bntaro Sektor 7, Bntaro Jaya Tangerang Selatan 15224 PENDAHULUAN Bangktan perjalanan (Trp generaton model ) adalah suatu tahapan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciPEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL
PEMODELAN PASANG SURUT AIR LAUT DI KOTA SEMARANG DENGAN PENDEKATAN REGRESI NONPARAMETRIK POLINOMIAL LOKAL KERNEL Tan Wahyu Utam, Indah Manfaat Nur Unverstas Muhammadyah Semarang, emal : tan.utam88@gmal.com
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinci