PERBANDINGAN METODE MARQUARDT COMPROMISE DAN METODE GAUSS NEWTON DALAM PENAKSIRAN PARAMETER REGRESI NONLINIER SKRIPSI SRIDEWI NAINGGOLAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERBANDINGAN METODE MARQUARDT COMPROMISE DAN METODE GAUSS NEWTON DALAM PENAKSIRAN PARAMETER REGRESI NONLINIER SKRIPSI SRIDEWI NAINGGOLAN"

Transkripsi

1 PERBANDINGAN METODE MARQUARDT COMPROMISE DAN METODE GAUSS NEWTON DALAM PENAKSIRAN PARAMETER REGRESI NONLINIER SKRIPSI SRIDEWI NAINGGOLAN 7837 FAKULTAS MATEMATIKA ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA UNIVERSITAS SUMATERA UTARA MEDAN 9 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

2 PERBANDINGAN METODE MARQUARDT COMPROMISE DAN METODE GAUSS NEWTON DALAM PENAKSIRAN PARAMETER REGRESI NONLINIER SKRIPSI Daja t melega tgas da memeh syarat mecaa Sarjaa Sas SRIDEWI NAINGGOLAN 7837 FAKULTAS MATEMATIKA ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA UNIVERSITAS SUMATERA UTARA MEDAN 9 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

3 3 PERSETUJUAN Jdl : PERBANDINGAN METODE MARQUARDT COMPROMISE DAN METODE GAUSS NEWTON DALAM PENAKSIRAN PARAMETER REGRESI NONLINIER Kategor : SKRIPSI Nama : SRIDEWI NAINGGOLAN Nomor Id Mahasswa : 7837 Program Std : SARJANA (S MATEMATIKA Dearteme Faltas : MATEMATIKA : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA UNIVERSITAS SUMATERA UTARA Koms Pembmbg : Dllsa d Meda, 5 Jl 9 Pembmbg Pembmbg Drs. H. Haldd Pajata Dra. Rahmawat Pae, M.S. NIP NIP Detah/Dsetj oleh Dearteme Matemata FMIPA USU Keta, Dr. Sab Swlo, M.Sc. NIP Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

4 4 PERNATAAN PERBANDINGAN METODE MARQUARDT COMPROMIE DAN METODE GAUSS NEWTON DALAM PENAKSIRAN PARAMETER REGRESI NONLINIER SKRIPSI Saya mega bahwa srs adalah hasl erja saya sedr, ecal beberaa ta da rgasa yag masg-masg dsebta smberya. Meda, Jl 9 SRIDEWI NAINGGOLAN 7837 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

5 v 5 PENGHARGAAN Pj da syr els ajata eada Tha yag Maha Kasa yag telah membera agerahya sehgga srs daat dselesaa dega sebabaya. Ucaa termaash saya samaa eada Ib Dra. Rahmawat Pae, M.S da Baa Drs.H.Haldd Pajata sela embmbg ada eyelesaa srs da jga eada Drs. Pegarae Bag M.S da Drs. Raml Bars M.S sela egj srs yag telah megaraha saya serta telah melaga wat, teaga, ra, da bataya sehgga srs saya daat selesa teat wat. Ucaa terma ash jga eada eta da seretars dearteme Dr. Sab Swlo, M.Sc da Drs. Her Ra Ste, M.S., da eada eta Program Std Estes Matemata Baa Drs. Marwa haraha, M.Eg, Dea da Pembat dea Faltas Matemata da Ilm Pegetaha Alam Uverstas Smatera Utara, sema dose ada Dearteme Matemata FMIPA USU, egawa d FMIPA USU, da rea-rea lah. Ahrya, tda terlaa eada Orag Ta saya da sema elarga yag selama membera bata da doroga yag derla. Semoga segala bet bata yag telah dbera medaat balasa yag jah lebh ba dar Tha ag Maha Kasa. Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

6 v 6 ABSTRAK Regres Noler adalah regres yag memat arameter oler, artya ja arameter tersebt dtra terhada arameter t sedr maa hasl traya mash megadg arameter t sedr (mash teta oler. Estmas regres dlaa t meeta estmator arameter regres. Metode yag dgaa megestmas arameter model regres oler adalah olear least sqare dmaa secara osetal sama dega metode least sqare ada model regres lear. Srs bertja t membadga easra arameter regres olear dega meggaa metode Marqardt Comromse da metode Gass Newto. Dar aalsa yag dlaa ddaat bahwa metode Marqardt da metode Gass Newto daat measr arameter dalam ass oler da meghasla galat e la yag alg mmm. Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

7 v 7 ABSTRACT Nolear Regresso s regresso that cota olear arameter, t meas that the arameter s dervated to arameter t sel, hece the reslt o t s dervatve stll cota that arameter (Itrscally olear. Regresso estmato s doe to deteme estmator o regresso arameter. Oe o the method that sed to estmate olear regresso model arameter s olear least sqare where cocetally t s eqal to least sqare method at lear regresso model. The srs rose to comare estmate wth the Marqardt Comromse ad Gass Newto method. Both o the method ca se to mles estmator olear least sqare ad mmzes sm sqare error. Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

8 v 8 DAFTAR ISI Persetja Peryataa Peghargaa Abstra Abstract Datar Is Halama v v v v v Bab Pedaha. Latar belaag. Permsa Masalah 3.3 Pembatasa Masalah 3.4 Tja Peelta 3.5 Kotrbs Peelta 3.6 Metodolog Peelta 4.7 Tjaa Pstaa 4 Bab ladasa Teor 6. Peasra Parameter 6. Tra Parsal 8.3 Deret Taylor 8.4 Regres Noler 9.5 Kadrat Terecl dalam Kass Noler.6 Metode Marqardt Comromse 3.7 Metode gass Newto 3 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

9 x 9 Bab 3 Pembahasa 4 3. Pedgaa Parameter sat Sstem Nolear 4 3. Jmlah Kadrat Galat Algortma Marqardt Comromse Algortma Gass Newto Peyelesaa cotoh 8 Bab 4 Kesmla da Sara 3 Datar Pstaa 3 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

10 BAB PENDAHULUAN. Latar Belaag Pada mmya dalam sat eelta tda detah secara teat la-la arameter dar dstrbs teorts dmaa samel dambl. Hal terjad area tda teramblya selrh sr olas yag aa dtelt. Itya dtema eslta t meeta samel yag reresetat yag daat mewal olas dega metode da cara yag eet. Ada samel yag dgaa t medga arameter dsebt easr arameter da aga yag meraa haslya dsebt easra secara statst. Msala sebah varabel aca berdstrbs ormal dega arameter. Parameter daat bera mea olas, smaga ba olas, oese regres olas da sebagaya. Parameter adalah arameter yag aa dtasr. Peasra daat dgologa mejad da baga, yat easra tt da easra selag. Sedaga cara t melaa easra ada bermacam-macam dataraya, mome, smaga adrat terecl, emga masmm ata sat easra tabas lear terba. Salah sat dar beberaa metode yag dgaa t measr arameter adalah metode adrat terecl oler yag secara osetal sama dega metode adrat terecl ler. Dalam eelta metode yag dgaa t measr arameter adalah dega metode adrat terecl ada model regres oler. Regres oler dgaa aabla dalam ass tda tersedaya ormas yag ast tetag bet hbga atara ebah resode ebah bebas. Ada beberaa model regres oler dataraya: Model Parabola, Model Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

11 Esoesal, 3 Model Logst. Dalam Srs Pels membcaraa Regres Noler ada model Esoesal. Peasra arameter model oler aa meghasla la yag berbeda t easr yag sama area galat acaya memya gs embagt. Oleh area t, berbeda dega adrat terecl ada model ler, easr ata estmator metode adrat terecl yag dteraa ada model oler dteta dega melaa sat rosedr ata algortma yag daat mejam bahwa easr tersebt secara yata memeh rtera dar gs tja, yat membera jmlah adrat galat ada la yag alg mmm. Dega erata la, dalam eeta easr ada model oler derla egetaha megea teor tt otmm secara stats. Berdasara teor, t meeta tt otmm yag dya sebaga sols dalam eeta easr model oler aa dgaa oeras tra ertama da eda. Tra yag ertama dgaa dalam rosedr tersas dteraa ddalam algortma Gass Newto da model teras jala tegah marqardt. Algortma Gass Newto dgaa t meyelesaa easra adrat terecl. Metode serg dsebt metode learsas yag meggaa exas deret Taylor t meghamr model regres oler mejad bet ler. Sedaga metode marqardt jga meraa sat metode eyelesaa easra adrat terecl yag meraa omrom ata jala tegah atara metode lersas dega metode Steest descet (tra tercram. Dar raa datas els tertar memlh jdl eelta: Perbadga metode Marqardt Comromse da metode Gass Newto dalam easra arameter regres Noler.. Permsa Masalah Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

12 3 Masalah yag aa dbahas dalam eelta adalah bagamaa cara measr arameter dalam regres oler meggaa metode Marqardt da metode Gass Newto serta membadga eda metode tersebt..3 Batasa Masalah Rag lg dar eelta dbatas ada easra arameter model regres oler ada model Esoesal dega meggaa metode teras jala tegah Marqardt da metode gass Newto da haya medaata easra arameter saja..4 Tja Peelta Tja eelta adalah t membadga easr arameter ada model regres oler melal teras Marqardt da teras Gass Newto sehgga daat detah metode maa yag lebh ese meyelesaa easra arameter regres oler..5 Kotrbs Peelta Kotrbs eelta adalah meambah egetaha dalam regres oler da bagamaa measr arameterya..6 Metode Peelta Dalam eelta els melaa std lteratr dega megmla baha yag membahas megea regres oler da metode adrat terecl ada ass oler. Ada lagah-lagah eelta adalah sebaga bert:. Membahas regres oler dega metode adrat terecl Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

13 4. Measr arameter ada model esoesal dalam regres oler dega metode adrat terecl 3. Melaa teras dega teras jala tegah Marqardt da teras Gass Newto. 4. Keda teras dlaa sama haslya overge 5. Meyelesaa cotoh ass dega meggaa metode Marqardt da metode Gass Newto. 6. Membadga easra yag dlaa melal teras jala tegah Marqardt da teras Gass Newto..7 Tjaa Pstaa (Draer ad Smth, 966 Secara mm model oler daat dtls sebaga bert: ( ξ ξ,, ξ ;,, + ε,, Dega ebah reso ξ ebah bebas arameter ε galat Persamaa daat dergas mejad:, Ata ( ξ + ε ( y ( ξ, E Ja dasmsa bahwa ( ε berorelas, yag berart V ( ε σ Pada mmya ~ (, σ serta salg bebas sat sama la. Bla data amataya berbet:, ξ, ξ,, ξ E da dasmsa galat-galatya tda ε N yag berart galat-galatya berdstrbs ormal Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

14 5 Ut,,, daat dtlsa dalam bet alteratya, ( ξ + ε Dega ε adalah galat e, dega ( ξ + ε ( ξ ξ, ξ ξ,,,, daat dergas mejad Asms eormala da ebebasa galat daat dtlsa sebaga : (, I ε ~ N σ ( ε, ε, ε, ε Vetor ol I Matrs Idettas Da edaya berra sama Jmlah adrat galat t model oler ddeesa sebaga: S ( { ( ξ, } (Gallat, 94 Ata ( { ( } SSE ξ, (Steve C Chara Terdaat baya ass dalam reayasa dmaa model-model talear hars dcocoa ada data. Dalam otes yag searag model-model ddeesa sebaga model yag memya etergatga taler ada arameter-arameterya. x Msalya: ( x a ( e a Tda terdaat cara t memalas ersamaa sehgga sesa dega bet mm ersamaa: y a z + a z + a z + + am z + e Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

15 6 (Mohammad Ehsal Karm Metode Gass Newto ata yag serg dsebt metode learsas meggaa exas deret Taylor t meghamr model regres oler mejad bet ler da meggaa adrat terecl t measr arameter. Msala modelya berbet, ( ξ + ε da,,, adalah la-la awal bag arameter-arameter,, Nla-la awal t mg meraa dgaa asar belaa ata mg la meraa la-la dgaa awal bersasara ormas yag terseda. Nlaola awal t dharaa aa derba dalam roses teras. (Sajoyo,6 Metode Jala Tegah Marqardt megalasa metode teras seert halya ada Metode Gass Newto yat bertja meghasla jmlah adrat galat yag alg mmm. Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

16 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,. 7

17 BAB LANDASAN TEORI.. Peasra Parameter Dega statsta daat dsmla araterst olas yag daat delajar berdasara data yag dambl ba secara samlg ata sess. Sehgga dega eerla tersebt dambl samel yag reresetat, da berdasara hasl aalss terhada samel tersebt daat dambl esmla megea olas yag dtelt. Ada samel yag dgaa t medga arameter dsebt easr arameter, da aga yag meraa haslya dsebt easra secara statst. Peasr sedr jga meraa ebah aca. Teor easra dbag dalam da gologa yat easra tt da easra selag. Sedaga cara melaa easra ada bermacam-macam dataraya adalah cara mome, smaga adrat terecl, emga masmm ata sat easra ta bas lear yag terba. Sat easra aa meghasla bermacam-macam easr.datara easr-easr t harslah dlh maa yag terba yag daat daa sebaga eghamr arameter olas. Oleh area t erl detah cr-cr easr yag ba. Peasr yag ba hars memeh beberaa syarat, tergatg eada besar ra samelya. Aa draa beberaa dees yag berata dega rtera easr yag ba. Krtera easr yag ba melt etabasa, eses, da osstes. Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

18 8 ( Ketabasa E ˆ. ˆ meraa edga ta bas (bas estmator dar ja ( Sebah edga dataa ta bas ala rata-rata dar selrh emga samel aa sama dega la arameter dar olas yag ddga. Teta rtra ta bas saja ta c selama varas sebaga ra eyebara sat easr ta bas detah. ag dga easr tabas dega varas terecl yag meraa rtera eses. ( Eses ˆ meraa edga yag ese (ecet estmator bag aabla la ˆ meml varas ata stadar devas yag lebh ecl dbadga dega edga laya. Kala ada edga yag tabas ˆ da ˆ dmaa varas ata stadar devas dar edga ˆ lebh ecl dbadga varas ata stadar devas edga ˆ, maa ˆ relatve lebh ese dbadga dega ˆ. (3 Kosstes ˆ meraa edga osste (cosstet estmator bag aabla la ˆcederg medeat la arameter t (besarya samel yag sema besar medeat ta hgga (. Jad ra samel yag besar cederg membera edga tt yag lebh ba dbadga ra samel ecl. meraa edga osste dar µ, sebab aabla N, maa µ. Dar cotoh jelas, ala N maa µ. ( S meraa edga osste dar ( σ µ Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

19 9 (4 Pedga yag c ˆ meraa edga yag c (scet estmator bag aablaˆ meca selrh ormas tetag yag teradg ddalam samel... Tra Parsal Msala z ( x, y gs varabel yag terdes dsetar tt ( y x,, tra arsal dar terhada x adalah tra z terhada x da y teta osta Tra arsal z ( x, y z x x x, y x terhada x dtls: ( x, y ( x, y ( ( x, y x lm h ddeesa sebaga bert: ( x + h, y ( x, y Tra arsal z ( x, y ( ( ( x, y + ( x, y x, y x, y lm y y terhada y dtls: h.3 Deret Taylor Deret Taylor daat membera la hamra bag sat gs ada sat tt, berdasara la gs da dervatya ada tt yag la. S ertama dar deret Taylor adalah ( x ( + da dsebt arosmas orde ol. Hbga heda mej bahwa la gs ada tt yag bar, ( + adalah sama dega la gs ada tt yag lama (. Bla gs megalam erbaha s, sehgga dembaga arosmas orde yat: ( '( ( + + Da secara mm deret Taylor drmsa sebaga bert: ( ( ( ( ( x + x + + R " ( + ( + '( ( + + I I + +!! Da s tambaha R adalah: Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

20 R ( + ( ξ ( h + Dega des meyataa arosmas orde e da ξ adalah sat la dalam selag terval hgga +. Da h adalah +..4 Regres Noler Model oler (yat oler dalam arameter yag aa ddga daat dbag mejad da baga yat model ler trs da model oler Itrs. ( Model ler Itrs Ja sat model adalah ler trs, maa model daat dyataa melal trasormas yag teat terhada ebahya edalam bet ler ba. Cotoh: ( + t e es + Persamaa daat dtrasormas melalal elogartmaa dega bass e, mejad bet, l + t + e ag bersat ler dalam arameter-arameterya. ( Model oler trs Ja sat model oler trs maa model tda daat dbah mejad bet ba. Cotoh: t t [ e e ] + e Model tda mg daat dbah edalam sat bet ler dalam arameterya. Regres oler adalah regres yag memat arameter oler, artya ja arameter tersebt dtra terhada arameter t sedr maa hasl traya mash megadg arameter t sedr. Estmas dlaa t meeta estmator arameter regres. Salah sat metode yag dgaa t megestmas arameter model regres oler adalah adrat terecl oler dmaa secara osetal sama dega metode adrat terecl ada model regres ler. Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

21 Terdaat baya ass dalam reayasa dmaa model-model oler hars dcocoa ada data. Dalam otes model-model ddeesa sebaga model yag memya etergatga oler ada arameter-arameterya. Seert halya dega adrat terecl, regres oler ddasara ada eeta la-la arameter yag memmma jmlah adrat galatya. Nam dalam ass oler, eyelesaa harslah berjala dega cara teras da bergatg ada la-la dgaa awal..5 Metode Kadrat Terecl dalam Kass Noler Metode adrat terecl ata seg dsebt dega metode OLS (Ordary Least Sqare dereala oleh Carl Fredrch Gass, seorag matematawa Jerma. Peasr- easr yag dhasla berdasara metode adrat terecl adalah bersat ta bas da osste. Ddalam eyataaya, salah sat easr ta bas ler meml varas yag mmm, sehgga dsebt easr tabas ler terba (Best Lear Ubased Estmator/BLUE. Sat meraa dasar dar dall Gass- marov theorem yat sebaga bert: Dall Gass Marov : Berdasara sejmlah asms tertet edgaa berdasara metode adrat terecl aa meghasla edga tabas ler terba (Best Lear Ubased Estmator/ BLUE, dega oese regres meml varas yag mmm. Nam dema berbeda dega adrat terecl dalam model ler, easra arameter ada adrat terecl dalam model oler dteta dega melaa sat rosedr ata algortma yag daat mejam bahwa easr tersebt secara yata memeh rtera dar gs tja yat membera jmlah adrat galat ada la yag alg mmm ata membera la masmm ada gs lelhood. Notas Ba yag dgaa t adrat terecl oler berbeda dega yag dgaa t ass adrat terecl ler. Msala model yag dbera berbet sebaga bert: Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

22 ( ξ ξ, ξ ;, e, + Dlambaga dega ( ξ, ξ, ξ, ξ (,,, ' Maa ersamaaya daat dtls mejad ( ξ, e + Ata ( ( ξ, E Bla data amataya berbet, ξ, ξ,, ξ Ut,, maa daat dtlsa modelya edalam bet: ( ξ ξ, ξ ;,, e +, da daat dergas betya mejad: ( ξ, e + Jmlah adrat galat t ersamaa oler dtls sebaga bert: S ( { ( } ξ, Karea y da ξ meraa amata, da bersat teta, maa jmlah adrat tersebt meraa gs dar. Nla tasra adrat terecl bag aa dlambaga degaˆ. Nla tasra tda la adalah la yag memmma S (. Ut meema la tasra adrat terecl ˆ, terlebh dahl ersamaa jmlah adrat galat ddeeresala terhada. I aa meghasla ersamaa ormal, yag hars dselesaa t memeroleh ˆ. Persamaa ormal tersebt berbet : S ( ( Ut ( ξ, { ( ξ, } ( ξ, ˆ,,, sedaga besara dalam rg adalah tra dar terhada dega sema dgat dega ˆ yag bersbsr sama, ja ( ξ, meraa gs ler, maa la dgaa ( ξ, tersebt Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

23 3 meraa gs dar ξ saja da tda megadg ˆ sama seal. Msalya ja ( ξ, ξ + ξ + m Maa ξ,,, da tda bergatg ada. I megabata ersamaa ormalya terdr atas ersamaa- ersamaa ler dalam,,. Bla modelya tda ler dalam, maa sama halya dega ersamaa ormalya. Searag aa dlstrasa dega sat cotoh sederhaa bera easra sat arameter ddalam sebah moel oler. Msalya aa deroleh ersamaa ormal t medaata la tasra adrat tereclˆ bag arameter dalam t model (, t + ε dega ( terseda adalah ( t, (, t,, (, deroleh, t e msala asaga amata yag, t. Melal edresala arsal terhada te t yag meghasla ersamaa ormal tggal. Selajtya ersamaa ormal tggal daat dtls sebaga bert: Ata ˆ t ˆ [ ] [ ] t e te ˆ t te te ˆ t Perhata bahwa dega haya sat arameter da sat model oler yag relat sederhaa, eeta la ˆ melal eyelesaa ersama ormal tdalah mdah. Bla arameterya lebh baya da modelya lebh rmt, eyelesaa ersamaa- ersamaa ormalya bsa sagat slt, da hamr dalam sema ass, emecahaya hars meggaa metode terat yag daat djma ada metode teras Marqardt da metode teras Gass Newto. Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

24 4.6 Metode Marqardt Comromse (Jala tegah Marqardt Metode dembaga oleh D.W Marqardt ata serg jga dsebt metode Leveberg Marqardt adalah salah sat metode ddalam edgaa oler. Metode Marqardt meraa omrom ata jala tegah atara metode learsas (ata deret Taylor dega metode tra tercram (Steest Descet. Metode Marqardt megalasa metode teras seert halya ada metode Gass Newto yat memmma jmlah adrat galat, bedaya haya terleta ada eambaha erala salar λ da matrs dettas I. Secara mm metode Marqardt Comromse dyataa sebaga bert: ˆ + t S ( ( ( ( D ' D + λ I ( Z( ' Z( + λ I Dega ( ˆ Nla dgaa awal arameter ˆ + Parameter yag dtasr ( D( D ' Matrs yag dhasla dar data λ Perala salar t I S ( ( ˆ Pajag lagah Matrs Idettas Persamaa Normal Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

25 5.7 Metode Gass Newto Metode Gass Newto meraa sat algortma t memmma jmlah adrat galat. Kose c yag medasar te tersebt adalah raa deret Taylor yag dgaa t meyataa ersamaa oler semla dalam sat bet hamra yag ler. Dega dema, teor adrat terecl daat dgaa t memeroleh tasra-tasra bar dar arameter yag bergera earah yag memmma galat tersebt. Secara mm teras gass Newto dyataa sebaga bert: ( ( ( [ D( ' D( ] D ˆ ( ' ( ξ ( + +, Dega Nla dgaa awal arameter ˆ + Parameter yag aa dtasr ( ( D Matr yag dhasla dar data ( ( ξ, t t Vetor yag dhasla dar erbedaa atara egra da reds Metode Gass Newto dmla dega la awal t arameter regres yat da ddalam easraya drobah mejad g g,,, ( ( (,, g Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

26 BAB 3 PEMBAHASAN 3. Pedgaa Parameter sat Sstem Noler Pada sebaga masalah oler,cara yag serg dlaa da teryata berhasl adalah melsa ersamaa ormal secara terc da megembaga sat te terat t memecahaya.aaah cara berhasl ata tda bergatg ada ersamaa ormalya da metode teras yag dgaa, dalam memeroleh tasra arameter. Dataraya adalah : Metode Gass Newto (metode learsas, Metode Steest Descet (Tra tercram, 3 Marqardt Comromse ( jala tegah Marqardt. Da metode-metode daat dselesaa dega meggaa rogram omter. Metode Gass Newto meggaa hasl-hasl adrat terecl dalam beberaa taha. Msala model yag dteta berbet:, ( ξ + ε Da,,, adalah la-la awal bag arameter-arameter,,, Nla-la awal t meraa tasra asar belaa ata mg la meraa la-la dga awal berdsara ormas yag terseda. (Msalya erraa berdasara ormas yag deroleh dar erhtga la yag sera ata yag derraa bear oleh eelt berdasara egalama da egetahaya. Nla-la awal t dharaa aa derba dalam roses teras. Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

27 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,. 7 Bla dlaa egraa deret Taylor bag ( ξ, dsetar tt (,, da membatas egraa sama tra ertama, maa daat dataa bahwa, bla deat ada maa ( ( ( ( ˆ,,, ξ ξ ξ + Bla dtetaa ( (,, ξ β ξ Z Maa betya mejad Z ε β + Dega ata la ersamaa tersebt sdah berbet ler. Oleh area t daat dtasr arameter-arameter,,,, β dega cara meeraa teor adrat terecl. Bla dtetaa { }, y b b b b Z Z Z Z Z Z Z Z Z Z Z Z Z Z

28 8 Msalya, dega otas yag sdah jelas masdya, maa tasra bag β ( β β, β dbera oleh b ( Z ' Z Z (,, ' dega dema vetor b o aa memmma jmlah adrat galat. 3. Jmlah Kadrat Galat (Sm Sqare Error Peasra Kadrat terecl dar adalah memmma jmlah drat galat dar arameter yat ˆ, ddeesa sebaga: S ( { ( } ξ, Ut meghtg jmlah adrat galat daat jga dlaa dega meggaa matr sebaga bert: S ( [ ( ] [ ( ] ( [ ( ξ, ( ξ,,, ( ξ, ] [,,, ], Ut meema la dgaa adrat terecl ˆ, ersamaa S ( [ ( ] [ ( ] ddeeresala terhada da aa meghasla ersamaa ormal. Persamaa ormal t berbet: ( ξ, ˆ ( ξ, ( ξ, ˆ Da selajtya daat dlaa easra arameter model oler dega meggaa adrat terecl da melaa egterasa dega meggaa teras Gass Newto da teras jala tegah Marqardt. Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

29 9 3.3 Algortma Marqardt Comromse Meeta la awal yat,,, da ddalam egterasaya otas awal berbah mejad, g,, g g. Selajtya meyelesaaa ersamaaa ormal dar sat model regres oler yag aa dtasr, da emda meeta la erala salar dotasa dega λ dega < λ da matrs dettas I. Iteras ada metode aa berhet ada saat la teras tersebt sdah overge. Persamaa teras dtls sebaga bert: ˆ + t S ( ( ( ( D ' D + λ I ( ˆ Da ada roses teras otas arameter yag dtasr aa mejad g S ( ( ( ( g D g ' D g + λ I + g t ( g g 3.4 Algortma Gass Newto Pada mmya roses teras Gass Newto dlaa dega lagah sebaga bert: ( Dagga ˆ sebaga estmas awal t Htg ˆ ˆ + ( ( + ( ˆ + b 3 Nla dgaa sebaga la t meghamr model ler 4 Kemda embal lag e lagah ertama da meghtg la b t seta teras, la b yag bar dtambaha eada easra yag ddaat dar teras sebelmmya. 5 Iteras dlajta t melhat aaah haslya overge ata tda. Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

30 3.5 Peyelesaa Cotoh Cotoh Peryata masalah: Cocoa gs ( ;, ( ( sebaga bert: ex ada data Tabel 3.5. Data yag hars dcocoa ada gs x y,5,8,75,57,5,68,75,74,5,79 (Smber: B Metode Nmer oleh Steve C Chara halama Gaa dgaa-dgaa awal, da, t arameterarameter. Peyelesaa Dega Bet (, ( ex(, ; yag terdr dar da arameter. Dgaa adrat terecl t memmma adrat galat dega terlebh dahl measr arameter ada model tersebt da selajtya meyelesaa ersamaa ormalya dega teras jala tegah Marqardt da teras Gass Newto. Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

31 Model tersebt aa dbet edalam regres oler yat sebaga bert: ( + ε, Dega Kadrat terecl Q adalah [ ( ], Q ;,,, Tra arsal dar Q terhada adalah Q [ (, ] (, ˆ g g adalah vetor dar tasra adrat terecl g g g g g yat: Dar cotoh datas daat dselesaa sebaga bert: ( ; ( ( ex Sehgga t cotoh datas tra-tra arsal gs terhada arameterarameter adalah: (, (, ex ( ex ( Ubahlah smbol da t measr arameter dega g da g. Aa ddaat ersamaa ormal dar tra arsal datas yat sebaga bert: ( ex( g g ( ex( g ( ex( g g ex( g g ( ex( g g ex( g Persamaa ormal daat dbah mejad: ( ex( g g ( ex( g ex( g g ex( g ex( g Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

32 Karea ersamaa ormal datas tda ler ddalam arameter g da g maa cara yag teat t meyelesaa ersamaa ormal datas adalah dega meggaa metode mer t melaa easra secara teras. Metode mer yag serg al daa t meyelesaa ermasalaha ddalam easra arameter model oler adalah Metode Gass Newto da Metode Marqardt comromse. Dega meggaa algortma Gass Newto, lagah awal adalah meeta la awal terlebh dahl emda dhamr dega rata-rata reso (, t egamata oleh bet ler megaa esas deret Taylor dsetar la awal g deroleh egamata e ( ( (, g Da ( ( ˆ g (,, + g ( g ( g g ( g adalah vetor dar arameter la awal Searag aa dsederhaaa otas: ( (, g ( ( β D ( (, g ˆ( ( g Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

33 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,. 3 Hamra deret Taylor ( ( ( ( ( ( ˆ,,, g g g + t rata-rata reso egamata e otasya aa dsederhaaa mejad ( ( ( ( +, D β Da hamra t model regres oler ( ε +, aa mejad ( ( ( D ε β + + Dar bet datas ( dgeser er aa mejad ( dega aa deroleh edeata model regres ler sebaga bert: ( ( D,, + ε β Karea ( ( Maa aa ddaat edeata ddalam bet matrs seert dbawah : ( ( ( ( ( ( ( ( ( ( ( ( ( ( +,, D D D D D D β β β ε β

34 4 Selajtya arameter ( β daat dtasr dar ersamaa ormal ada model regres ler sederhaa da deroleh: b ( ( ( D ' D D ' ( ( ( Dmaa ( b adalah vetor dar oese regres adrat terecl yag aa dtasr. Da daat dgaa t memeroleh tasra arameter regres bertya dega oese regres ( ( ( g g + b. ( g. Krtera erhtga adrat terecl t oese regres awal dega SSE [ (, g ] ( ( ( ( ( g dotasa Dar cotoh sebelmya daat dselesaa dega teras Gass Newto sebaga bert Ut lebh memdaha egterasa daat dlaa dega eeraa matrs: D ( 5 ex ex ex ex ex ( ( ( ( g g ex g ( ( ( ( ( g g ex( g ( ( ( ( g 3 g ex( g 3 ( ( ( ( g 4 g ex( g 4 ( ( ( ( g g ex( g 5 5,,576,735,86,8946,947,3543,358,34,37 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

35 5 ( ( (, g ( ( (, g ( ( (, g 3 ( ( (, g 4 ( ( (, g 5 g ( ex( g ( ( ( ex( (,5, g ( ex( g ( (,576 3 g ( ex( g ( (,753 4 g ( ex( g ( (,864 5 g ( ex( g ( (, Ut :, 8 maa eymagaya daat dhtg sebaga bert: ( (,8,,588 Sehgga vetor ( terdr dar erbedaa atara egra da reds model: ( ( ( ( 3 ( 4 ( 5 ( ex( g ( ex( g ( ex( g 3 ( ex( g 4 ( ex( g ( ( g ( ( g ( ( 3 g ( ( 4 g ( ( 5 g 5,8,,588,57,576,44,68,753,335,74,86,86,79,8946,46 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

36 6 Sehgga t sema data egamata aa ddaat: SSE [ (, g ] ( ( ( ( (,588 + (,44 + (,335 + (,86 + (,46,4749 b ( ( ( D ' D D ' ( ( D ( ( ' D,,947,393,9489,576,735,3543,358,9489,444,86,8946,34,73,,576,753,86,8946,947,3543,358,34,37 ( ( ( D ' D ( ( ( D ' (,393.,444 (,9489.,9489 3,6397 7,84 7,84 9,676,,947,533,365,576,735,3543,358,444,9489,9489,393,588,44,86,8946,335,34,73,86,46 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

37 7 Oleh area t: b ( 3,6397 7,84 7,84 9,676,77936,55693,533,365 Maa aa deroleh easra adrat terecl g ( ( ( g + b ( g :, ,55693,78693,55693 Dega cara yag sama seert datas daat deroleh teras bertya sehgga ddaat teras yag meghasla galat yag alg mmm Iteras g g SSE,,,4749,78,55,434,79,6774,66 3,79,6774,66 Dar hasl teras yag etga telah deroleh teras yag overge, sehgga tteras daat berhet da ddaat MSE sebaga bert: SSE MSE,66 5,6 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

38 8 Dega meggaa algortma Marqardt, lagah awal yag dlaa adalah meeta la awal yat,,, da ddalam egterasaya otas la awal tersebt aa berbah mejad, g, g g, selajtya meyelesaa ersamaa ormal dar sat model regres oler yag aa dtasr, setelah t aa dteta la salar dar seta teras yag dotasa dega λ dmaa λ da basaya la λ meraa ator dar. Da < j teras aa berhet ada saat la teras tersebt sdah overge yat + ε Persamaa teras dtls sebaga bert: ˆ ( + S ( ( ( ( t D ' D + λ I ( ˆ Pada roses teras otas arameter yag dtasr mejad: g ( + S ( ( ( ( g g t D g ' D g + λ I ( g Ut lebh memaham metode Marqardt emda aa dselesaa cotoh yag sebelmya. Dambl la awal tasra t model ( ; ( ( ex yag sama dega la awal yag dbera ada metode Gass Newto yat ( g, da g ( g,. Sehgga daat detah metode maa yag lebh ese ata metode yag lebh coco dgaa dalam cotoh. Nla awal tersebt daat dgaa t mecar la tasra bertya. Dega meggaa ersamaa teras datas maa daat dlaa erhtga seert dbawah. Dar matrs sebelmya yat:,393,9489,9489 ( ( ( D ' D,444 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

39 9 ( ( [( D ' D + λ I ],393,9489,9489 +,,444,393,9489,9489,444 ( ( 3,6397 7,84 [( D ' D + λ I ] 7,84 9,678 S S ( ( g ( ( g ( ( g ( ( g,533 ( ex( g g ( ex( g,8( ex(,5 +,57( ex(,75 +,68( ex(,5 +,74( ex(,75 +,79( ex(,5 ( ex(,5 + ( ex(,75 + ( ex(,5 + ( ex(,75 + ex(,5 (,659,39 ( ( g g ex( g ex( g {,7 ex(,5 +,47 ex(,75 + +,77 ex(,5 } { (,5 ex(,5 + +,5ex(,5 ex( 4,5 },5ex (,9,9487,365 ex ( ( [ D ' D + λ I ] S g ( ( g ( 3,6397 7,84 7,84,533 9,369,365,77936,55693 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

40 3 Sehgga aa ddaat: g g ( (,77936,55693 SSE,78693,55693 ( [ (, g ] ( ( (,588 + (,44 + (,335 + (,86 + (,46,4749 ( ( ( ( 4 ( 5 g g 3 g 4 g 5 g ( ex( g ( ex( g ( ex( g 3 ( ex( g 4 ( ex( g ( ( ( ( ( ( ( ( ( ( 5,8.,57,576,68,753,74,86,79,8946,588,44,335,86,46 Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

41 3 Dega cara yag sama datas daat deroleh teras bertya sehgga ddaat teras yag meghasla galat yag alg mmm da mejad overge ela, yat sebaga bert: Iteras g g SSE,,,4749,78,55,434.79,6774,66 3,79,6774,66 Dar eyelesaa dega da metode dtatas daat detah bahwa dega metode Marqardt da metode Gass Newto sama-sama meghasla galat yag alg mmm ada teras yag etga. Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

42 BAB 4 KESIMPULAN DAN SARAN 4. KESIMPULAN Dar aalsa yag dlaa ddaat bahwa metode Marqardt da metode Gass Newto daat meyelesaa easra arameter dalam ass oler da eda metode t meghasla jmlah adrat galat e la yag alg mmm. Metode Marqardt telah dembaga t megatas eraga eraga yag terdaat dalam Metode Gass Newto seert eovergea yag mg melambat da emga beroslas secara lebar. Da dalam masalah-masalah yag rats eda metode laya daat dteraa sama baya seert Metode Marqardt. 4. SARAN Dalam tlsa els haya membahas tetag easra arameter regres o ler model esoesal dega oeras tra ertama yat metode Marqardt da metode Gass Newto. Bag ara embaca yag tertar t megembaga eelta daat meyelesaa easra arameter regres oler dega metode laya msalya dega meggaa oeras tra eda da dega model yag la. Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

43 33 DAFTAR PUSTAKA Aath Ragaatha, The Leveberg- Marqardt, 4 (Jral, dases Arl9 Chara. C. Steve ad Caale. P. Raymod Metode Nmer. Pt Grameda Pstaa Utama, aggota IKAPI, Jaarta. Daarata, Naa da Setawa Roy. 5. Pegatar Statsta. Peerbt Graha Ilm, ogyaarta. Draer, N.R. ad Smth, H Aalss Regres Teraa. Pt Grameda Pstaa Utama, aggota IKAPI, Jaarta. Davda, M.966. Nolear Regresso. New or. Gallat, A. Roald. 94. Nolear Statstcal Models. New or: Jho Wley & So Mohammad Ehsal Karm, Nolear Models, Uversty o Dhaa. (Jral, dases 8 Maret 9 Neter, Jho ad Wasserma, Wllam Aled Lear Statstcal Models. Prted the Uted States o Amerca. Sajoyo, Nolear estmato, 6 ( Jral, dases 8 Maret 9 Soelstyo.. Dasar-Dasar Eoometra. ogyaarta:bppe. Srato,J.98. Statst Teor da Alas. Erlagga. Jaarta Srdew Naggola : Perbadga Metode Marqardt Comromse Da Metode Gass Newto Dalam Peasra Parameter Regres Noler,.

BAB III UKURAN PEMUSATAN (RATA-RATA)

BAB III UKURAN PEMUSATAN (RATA-RATA) BAB III UKUAN PEMUSATAN (ATA-ATA Salah sat ra mer yag mejelasa cr-cr data yag petg adalah ra pemsata, yat ra yag meja psat seggs data yag telah drta dar yag terecl sampa yag terbesar ata sebalya Ura pemsata

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM Ed-Math; ol Tah EKITENI BAI ORTHONORMAL PADA RUANG HAIL KALI DALAM Mhammad Kh Abstras at rag etor ag dlegap oleh sat operas ag memeh beberapa asoma tertet damaa Rag Hasl Kal Dalam (RHKD) Pada RHKD deal

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

ESTIMASI DAN PENGUJIAN HIPOTESIS GEOGRAPHICALLY WEIGHTED REGRESSION

ESTIMASI DAN PENGUJIAN HIPOTESIS GEOGRAPHICALLY WEIGHTED REGRESSION eta -N: 85-5893 / e-n: 54-458 htt://ralbeta.ac.d Vol. 5 No. Me Hal. 4-56 eta MA DAN PNGUJAN HPO GOGRAPHCALLY GHD RGRON Alfra Mla Astt Abstra: alah sat aalss statsta ag meghbga arabel reso dega arabel bebas

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III MEODE PEELIIA 3. Keraga Pemra Peelta dlaa erdasara seah eraga emra seert ada Gamar 3. ert : Persaa Peelta Esloras Ide Aalss Ketha Pegmla Lteratr Peelta Pedahla Std Lteratr Dss da Wawacara dega

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) Ilham Maggri 1, Dwi Ispriyanti 2.

PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT DENGAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) Ilham Maggri 1, Dwi Ispriyanti 2. Pemodela Data (Ilham Maggr) PEMODELAN DAA KEMISKINAN DI PROVINSI SUMAERA BARA DENGAN MEODE GEOGRAPHICALLY EIGHED REGRESSION (GR) Ilham Maggr Dw Israt Alm Jrsa Statsta FSM UNDIP Staf Pegaar Jrsa Statsta

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

Himpunan Spektrum Real Untuk Masalah Balikan Nilai Eigen Dari Matriks Tak Negatif

Himpunan Spektrum Real Untuk Masalah Balikan Nilai Eigen Dari Matriks Tak Negatif Vol.4, No., -, Jaar 8 Hmpa petrm Real Ut Masalah ala Nla Ege ar Matrs Ta Negatf Kresa Jaya bstra Paa paper aa bahas represetas geometr ar hmpa spetrm la ege real yag la ege masmalya t masalah bala la ege

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah 3 III. METODE ENELITIAN 3.1 Watu da Tempat eelta da peracaga tugas ahr dlaua d Laboratorum Terpadu Te Eletro Uverstas Lampug da dusu Margosar, desa esawara Idah abupate esawara pada bula Agustus 1 sampa

Lebih terperinci

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

TAKSIRAN MEAN DAN TOTAL PADA TWO STAGE ADAPTIVE CLUSTER SAMPLING MAYRAMADAN MADYA PUTRA

TAKSIRAN MEAN DAN TOTAL PADA TWO STAGE ADAPTIVE CLUSTER SAMPLING MAYRAMADAN MADYA PUTRA TAKSIRA EA DA TOTAL PADA TWO STAGE ADAPTIVE CLUSTER SAPLIG AYRAADA ADYA PUTRA 03050035 UIVERSITAS IDOESIA FAKULTAS ATEATIKA DA ILU PEGETAHUA ALA DEPARTEE ATEATIKA DEPOK 009 Tasra ea..., ayraada adya Ptra,

Lebih terperinci

Regresi Logistik pada Data Rare Event

Regresi Logistik pada Data Rare Event Prosdg Statsta ISSN 46-6456 Regres Logst ada Data Rare Evet Rud Rum Ar Wstara, Sulad, 3 Abdul Kudus,,3 Statsta, Faultas MIPA, Uverstas Islam Badug, Jl. Ragga Malela No. Badug 46 e-mal: rud_ra@mal.com,

Lebih terperinci

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b

ISSN: X 45 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA. Maria Suci Apriani a, Sri Haryatmi b ISSN: 088-687X 5 SIFAT ASIMTOTIK ESTIMATOR NADARAYA-WATSON DENGAN KERNEL ORDE TAK HINGGA Mara Suc Ara a, Sr Haryatm b a rogram Stud edda Matemata FKI USD Kamus 3 aga, Yogyaarta 558, marasuc@usdacd b Jurusa

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Studi Kasus : Indeks Pembangunan Manusia di Provinsi Jawa Timur

GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Studi Kasus : Indeks Pembangunan Manusia di Provinsi Jawa Timur SEMINAR HASIL TUGAS AKHIR GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION DAN APLIKASINYA Std Kass : Ides Pembaga Masa d Pros Jawa Tmr Oleh : Ney Ptr Pradta (307 00 055) Dose Pembmbg : Dr. Prhad M.Sc GEOGRAPHICALLY

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance Peaksra Parameter Model Regres Polomal Berkso Megguaka Metode Mmum Dstace Da Kurawat Dearteme Matematka, FMIPA UI, Kamus UI Deok 16 da61@gmal.com Abstrak Berkso Measuremet Error Model meruaka model regres

Lebih terperinci

Bab 1 PENDAHULUAN Latar Belakang

Bab 1 PENDAHULUAN Latar Belakang Bab PENDAHULUAN.. Latar Belakag Bayak peelitia yag bertja mecari dasar-dasar tk megadaka prediksi sat variabel dari iormasi-iormasi yag diperoleh dari variablel tersebt. Misalya apakah keadaa caca dapat

Lebih terperinci

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE

STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 150 KV MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE STUDI PEMODELAN PERAMBATAN GELOMBANG SURJA PETIR PADA SALURAN TRANSMISI 50 K MENGGUNAKAN METODE MULTI- CONDUCTOR TRANSMISSION LINE Kade Ad Dw Purwaa 2205 00 038 dose pembmbg :. Ir. Syarffudd M M.Eg. 2.

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

PRINSIP MAKSIMUM DAN MINIMUM FUNGSI PANHARMONIK

PRINSIP MAKSIMUM DAN MINIMUM FUNGSI PANHARMONIK PRINSIP MAKSIMUM DAN MINIMUM FUNGSI PANHARMONIK Oleh, Edag Cahya M.A. Jrsa Pedidia Matematia FPMIPA UPI Badg Jl. Dr. Setiabdi 9 Badg E-mail ecma@ds.math.itb.ac.id Abstra Tlisa ii mejelasa prisip masimm

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

Prosiding Statistika ISSN:

Prosiding Statistika ISSN: Prosdg Statsta ISSN: 246-6456 Pemodela Aga Kemata Ba d Kabuate Kuga ahu 24 dega Regres Geeralzed Posso da RegresBomal Negatf Modelled Number Of Brth Mortalt I Kuga Resdece I 24 B Geeralzed Posso Regresso

Lebih terperinci

Model Geographically Weighted Poisson Regression Studi Kasus : Jumlah Kematian Bayi di Jawa Timur & Jawa Tengah Tahun 2007 ABSTRAK

Model Geographically Weighted Poisson Regression Studi Kasus : Jumlah Kematian Bayi di Jawa Timur & Jawa Tengah Tahun 2007 ABSTRAK Model Geographcall Weghted Posso Regresso Std Kass : Jlah Keata Ba d Jaa r & Jaa egah ah 7 Salo Note Alele Prhad Mahassa Magster Jrsa Statsta IS Dose Jrsa Statsta IS eal : oce_cacer@ahoo.co Prhad@statsta.ts.ac.d

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja Jural EKSONENSIAL Volume, Nomor, Me 0 ISSN 085-789 Regres Logst Ordal utu Megaalss Fator-Fator yag Memegaruh erlau Seual Remaa Ordal Logstc Regresso for Aalyss Factors of Ifluece Behavor Adolecet Seual

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen

BAB 2 DASAR TEORI ALIRAN DAYA. Sistem tenaga listrik (Electric Power System) terdiri dari tiga komponen BAB DAAR TEOR ALRAN DAA. Umum,,3,4 stem teaga lstr Electrc ower stem terdr dar tga ompoe utama, atu sstem pembagta teaga lstr, sstem trasms teaga lstr, da sstem dstrbus teaga lstr. Kompoe dasar ag membetu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

Ir. Tito Adi Dewanto

Ir. Tito Adi Dewanto Ir. Tto A Dewato Dega megetahu la rata-rata saja,ormas yag apat aag-aag bsa salah terpretas. Msalya, ar ua elompo ata etahu rata-rataya sama, alau haya ar ormas ta suah meyataa bahwa ua elompo sama, mug

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN PENAKIR RAIO REGREI LINEAR EDERHANA UNTUK RATA-RATA POPULAI MENGGUNAKANKARAKTER TAMBAHAN Astar Rahmadta *, Harso, Haosa rat Mahasswa Program tud Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

STATISTIKA DASAR. Oleh

STATISTIKA DASAR. Oleh STATISTIKA DASAR Oleh Suryo Gurto cara peyaja data - tabel - grak meghtug harga-harga petg : - ukura lokas - ukura sebara/peympaga apabla data mempuya observasya cukup bayak perlu dsusu secara sstematk

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

UJI SATU ARAH UNTUK DATA BIVARIAT BERKORELASI

UJI SATU ARAH UNTUK DATA BIVARIAT BERKORELASI J. Sas MIPA, Eds Khss Tah 8, ol. 4, No., Hal.: 74-78 ISSN 978-87 ABSTRACT UJI SATU ARAH UNTUK DATA BIARIAT BERKOREASI Mlaa Jrsa Statsta FMIPA Uverstas Padaara, Badg Dterma 8 Agsts 7, perbaa Desember 7,

Lebih terperinci

MODIFIKASI PENAKSIR UNTUK RASIO PADA SAMPLING BERPERINGKAT. ABSTRACT 1. PENDAHULUAN

MODIFIKASI PENAKSIR UNTUK RASIO PADA SAMPLING BERPERINGKAT. ABSTRACT 1. PENDAHULUAN MODIFIKAI PAKIR UTUK RAIO PADA AMPLIG BRPRIGKAT Deva rw, Arsma Ada, Rstam fed Devaerw@ahoo.com Mahasswa Program Matematka Dose Jrsa Matematka Fakltas Matematka da Ilm Pegetaha Alam Kamps Bawda Pekabar,893,Idoesa

Lebih terperinci

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda

Lebih terperinci

KULIAH KE 7. METODA KELOMPOK (COHORT SURVIVAL METHOD) Lanjutan. Melihat pengaruh komponen kematian terhadap perubahan penduduk.

KULIAH KE 7. METODA KELOMPOK (COHORT SURVIVAL METHOD) Lanjutan. Melihat pengaruh komponen kematian terhadap perubahan penduduk. ROGRA TUDI ERENANAAN WILAYAH DAN KOTA FAKULTA TEKNIK UNIVERITA EA UNGGUL ETODE ANALII ERENANAAN TL K DR. Ir. Ke arta K, T. b. Kompoe Kemata KULIAH KE ETODA KELOOK (OHORT URVIVAL ETHOD) Lajta elhat pegarh

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004

DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 2004 Vol. 9. No. 2, 22 Jural Sas, Teolog da Idustr DISTRIBUSI WEIBULL DAN PARETO UNTUK DATA TINGGI GELOMBANG TSUNAMI ACEH 24 Ar Pa Desva, 2 Marta Erd,2 Jurusa Matemata Faultas Sas da Teolog UIN Susa Rau E-mal:

Lebih terperinci

Analitik Data Tingkat Lanjut (Clustering)

Analitik Data Tingkat Lanjut (Clustering) 6 September 06 Aatk Data Tgkat Lat Csterg Imam Chossod mam.chossod@gma.com Pokok Bahasa. Kosep Csterg. K-meas vs Kere K-Meas 3. Std Kass 4. Tgas Kosep Csterg Cster data dartka keompok. Dega demka, pada

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

Pengujian Hipotesis untuk Kombinasi Ketidak-Bebasan (test of signifikans for combining non-independent)

Pengujian Hipotesis untuk Kombinasi Ketidak-Bebasan (test of signifikans for combining non-independent) Statsta ol. 6 No. 47 53 Nopember 006 47 Pegja Hpotess t Kombas Ketda-Bebasa (test of sgfas for ombg o-depedet) Mlaa Jrsa Statsta FMIPA Upad. Pedahla Perhata sampel bvarat ; =... dar poplas bvarat ag berdstrbs

Lebih terperinci

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal

Pemodelan Kondisi Jaringan Listrik PT. PLN (Persero) Area Surabaya Selatan dengan Analisis Regresi Logistik Ordinal JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 7-0 (-98X Prt) D86 Pemodela Kods Jarga Lstr PT. PLN (Persero) Area Surabaya Selata dega Aalss Regres Logst Ordal Des Olva Sswadar da Haryoo Dearteme Statsta,

Lebih terperinci

STATISTIKA ELEMENTER

STATISTIKA ELEMENTER STATISTIKA ELEMENTER Statsta Apa tu statsta? Apa beda statsta dega statst? Populas? Sampel? Parameter? Sala Peguura: Nomal Ordal 3 Iterval 4 Raso Bagamaa r-r eempat sala d atas? Bera masg-masg otoh sala

Lebih terperinci

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama) H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si. Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda

Lebih terperinci

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN HUBUNGAN ARKS AB DAN BA ADA SRUKUR ORDAN NLOEN Sodag uraasar aaha (sodag@ub-ut.ac.d) UB-U eda Elva Herawaty FA ateata Uverstas Suatera Utara ABSRAC ths aer, we gve aother roof about the relatosh betwee

Lebih terperinci

Functionally Small Riemann Sums Fungsi Terintegral Henstock-Dunford pada [a,b]

Functionally Small Riemann Sums Fungsi Terintegral Henstock-Dunford pada [a,b] Jural Sas da Matemata Vol (3): 58-63 () Fuctoally Small Rema Sums Fugs Tertegral Hestoc-uford ada [a,b] Solh, Sumato, St Khabbah 3,,3 Program Stud Matemata, FSM UNIP Jl Prof Soedarto, SH Semarag, 575 E-mal:

Lebih terperinci

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M JP : Volue 4 Noor Ju 0 hal. 4-5 LEA HENSTOCK PADA NTEGRAL uslch Jurusa ateata FPA UNS uslch_us@yahoo.co ABSTRACT. Based o the cshae e partto ad cshae tegral t ca be arraged the e partto ad tegral cocepts.

Lebih terperinci

UKURAN DASAR DATA STATISTIK

UKURAN DASAR DATA STATISTIK UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

BAB III TEORI PERRON-FROBENIUS

BAB III TEORI PERRON-FROBENIUS BB III : EORI PERRON-FROBENIUS 34 BB III EORI PERRON-FROBENIUS Pada Bab III aa dbahas megea eor Perro-Frobeus, yatu teor hasl otrbus dar seorag matematawa asal Germa, Osar Perro da Ferdad Georg Frobeus

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k

METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k Prma: Jural Program Stud Pedda da Peelta Matemata Vol. 6, No., Jauar 07, hal. 7-59 P-ISSN: 0-989 METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l UNTUK BEBERAPA NILAI

Lebih terperinci

Dengan derajat bebas (pu-1) =(p-1)+(pu-p) (pu-1)=(p-1)+p(u-1) Sebagai contoh kita ambil p=4 dan u=6 maka tabulasi datanya sebagai berikut:

Dengan derajat bebas (pu-1) =(p-1)+(pu-p) (pu-1)=(p-1)+p(u-1) Sebagai contoh kita ambil p=4 dan u=6 maka tabulasi datanya sebagai berikut: X. ANALISIS RAGAM SEDERANA Jka erlakan yang ngn dj/dbandngkan lebh dar da(p>) dan ragam tdak dketah maka kta bsa melakkan j t dengan jalan mengj erlakan seasang dem seasang. Banyaknya asangan hotess yang

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

PENGEMBANGAN MODEL RAMALAN CURAH HUJAN UNUK PEMODELAN SAISICAL DOWNSCALLING DENGAN PENDEKAAN REGRESI BAYES PCA Oleh : Ferr Kodo Lembag, Setawa 3 Suto 3 E-mal: free_maxluz6@ahoo.com, setawa@statsta.ts.ac.d,

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

Proses inferensi pada model logit Agus Rusgiyono. Abstracts Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods

Lebih terperinci

PENAKSIR RASIO PROPORSI YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA

PENAKSIR RASIO PROPORSI YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA EAKIR RAIO ROORI AG EFIIE UTUK RATA-RATA OULAI ADA AMLIG ACAK BERTRATA Devr Maulaa *, Arsma Ada, Haosa rat Maasswa rogram Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu egetaua Alam Uveras Rau

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah

Lebih terperinci

PROGRAM LINIEAR DENGAN METODE SIMPLEX

PROGRAM LINIEAR DENGAN METODE SIMPLEX POGAM LINIEA DENGAN METODE SIMPLEX A. TEKNIK PENYELESAIAN Betuk Soal Progra Lear Kedala utaa asalah rogra lear daat eretuk a atau a atau a. Kedala yag eretuk ertdaksaaa daoat duah ead ersaaa seaga erkut

Lebih terperinci

Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear

Implementasi Algoritma Particle Swarm untuk Menyelesaikan Sistem Persamaan Nonlinear JURNL TKNIK ITS Vol. Sept ISSN: -97 - Implemetas lgortma Partcle Swarm utu Meyelesaa Sstem Persamaa Nolear rdaa Rosta Yudh Purwaato da Rully Soelama Jurusa Te Iformata Faultas Teolog Iformas Isttut Teolog

Lebih terperinci

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP.

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION. Hasbi Yasin Staf Pengajar Program Studi Statistika FMIPA UNDIP. Pemlha Varabel (Hasb Yas) PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHED REGRESSION Hasb Yas Staf Pegajar Program Stud Statsta FMIPA UNDIP Abstract Regresso aalyss s a statstcal aalyss that ams to

Lebih terperinci

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel Uura Statt. Pedahulua Uura Statt:. Uura Pemuata Bagamaa, d maa data berpuat? Rata-Rata Htug Arthmetc Mea Meda Modu Kuartl, Del, Peretl. Uura Peyebara Bagamaa peyebara data? Ragam, Vara Smpaga Bau Uura

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON Jural Bareeg Vol. 5 No. Hal. 3 7 () PEMODELAN JUMLAH KEMAIAN BAYI DI PROVINSI MALUKU AHUN DENGAN MENGGUNAKAN REGRESI POISSON SALMON N. AULELE Staf Jurusa Matemata, FMIPA, Upatt Jl. Ir. M. Putuhea, Kampus

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci