UJI HIPOTESIS DALAM REGRESI NONPARAMETRIK SPLINE. Abstrak
|
|
- Surya Gunardi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 UNIVERSITAS DIPONEGORO 011 ISBN: UJI HIPOTESIS DALAM REGRESI NONPARAMETRI SPLINE Stefaus Nota Tupe 1, I Nyoa Budiatara 1 Mahasiswa Magister Jurusa Statistika ITS Dose Jurusa Statistika ITS Abstrak Diberika odel regresi yi f ( xi i, i 1,,, dega f(x i erupaka kurva regresi. urva regresi f dihapiri dega fugsi splie, sehigga diperoleh regresi splie yi S( xi i, dega S(x i adalah fugsi splie. Estiasi kurva regresi diperoleh dari optiasi Weighted Least Square (WLS. Sedagka peiliha titik kot egguaka etode Geeralized Cross Validatio (GCV. Iferesi statistik khususya ui hipotesis utuk kurva f dega pedekata splie dapat dilakuka dega etode Likelihood RatioTest (LRT. Estiator diperoleh dari ebadigka fugsi likelihood dibawah populasi da fugsi likelihood dibawah H 0. Selautya ui hipotesis yag diperoleh dega splie diaplikasika pada data berat bada da uur balita di Jawa Tiur. ata uci: Regresi splie, Weighted Least Square, GCV, Ui hipotesis 1. Pedahulua Dala regresi paraetrik betuk kurva regresi diasusika diketahui, utuk dapat egguaka pedekata regresi paraetrik, diperluka pegetahua asa lalu tetag karakteristik data yag aka diselidiki. Berbeda dega pedekata regresi oparaetrik, dala regresi oparaetrik betuk kurva regresi diasusika tidak diketahui. urva regresi oparaetrik haya diasusika sooth (ulus dala arti teruat di dala suatu ruag fugsi tertetu. Data diharapka ecari sediri betuk estiasiya, tapa dipegaruhi oleh faktor subyektifitas dari peracag peelitia. Salah satu regresi oparaetrik yag petig da epuyai sifat lokal, 184
2 UNIVERSITAS DIPONEGORO 011 ISBN: osilasi redah da sooth adalah Splie (Agarwal da Stude, Dega deikia, pedekata regresi oparaetrik eiliki fleksibilitas yag tiggi (Eubak,1988. Peelitia yag eyelidiki tetag peguia hipotesis dala odel splie trucated, belu perah ada. Oleh karea itu dala peelitia ii aka dituruka peguia hipotesis utuk odel splie trucated. Utuk edapatka estiasi kurva regresi splie trucated diguaka etode Weighted Least Square (WLS. Selautya hasil peurua yag diperoleh diaplikasika pada data pertubuha balita di Jawa Tiur.. Tiaua Pustaka.1. Regresi Noparaetrik Regresi oparaetrik erupaka suatu etode Statistika yag diguaka utuk egetahui hubuga atara variabel respo da prediktor yag tidak diketahui betuk fugsiya, haya diasusika fugsi sooth (ulus dala arti teruat dala suatu ruag fugsi tertetu, sehigga regresi oparaetrik eiliki fleksibilitas yag tiggi (Eubak, Model regresi oparaetrik secara uu dapat disaika sebagai berikut (Eubak, 1988: y f ( x, i 1,,, i i i.. Estiasi Titik Utuk urva Regresi Splie betuk: Diberika suatu basis utuk ruag Splie berorde (Budiatara,001 dega {1, x,..., x, ( x,..., ( x }, 1 dega fugsi trucated sebagai berikut: 185
3 UNIVERSITAS DIPONEGORO 011 ISBN: ( x, x ( x 0 x Utuk setiap fugsi f dala ruag Splie dapat diyataka eadi: i i k i k 0 k1 f ( x x ( x Dega, 0,1,...,, 1,..., Model regresi splie dapat ditulis eadi: y f ( x i i i xi k ( xi k i 0 k1 Apabila diasusika sesata rado i berdistribusi oral idepede dega ea ol da varias, aka y i uga berdistribusi oral dega ea f ( x i da varias akibatya diperoleh fugsi likelihood: 1 1 L( y, f ( Exp( ( y ( 1 i f xi i.3. Peguia Hipotesis Diberika odel regresi: y X X. i 0 1 i1 k ik i Ui hipotesis dapat dilakuka dega egguaka etode Likelihood Ratio Test (Srivastava,1994. Prosedur ui hipotesis paraeter adalah: H : C lawa H : C 0 1 Statistik pegui utuk hipotesis H 0 lawa H 1 diperoleh dari eyelesaika rasio: 186
4 UNIVERSITAS DIPONEGORO 011 ISBN: L ˆ L ˆ..4. Pertubuha Balita Pertubuha adalah bertabahya ukura da ulah sel serta ariga iterseluler, yag berarti bertabahya ukura fisik da struktur tubuh dala arti sebagia atau keseluruha (Naredra, dkk.,00. Pertubuha bersifat kuatitatif da dapat diukur dega egguaka satua paag (c, eter, satua berat (gra, poud, kilogra, keseibaga etabolik (retesi kalsiu da itroge tubuh da uur tulag (Soetiigsih, Berat Bada Balita Berat bada erupaka hasil peigkata/peurua seua ariga yag ada pada tubuh, atara lai: tulag, otot, leak, caira tubuh, da sebagaiya. Berat bada dipakai sebagai idikator yag terbaik pada saat ii utuk egetahui keadaa gizi da tubuh kebag aak. Selai itu, berat bada eiliki beberapa kelebiha yaitu: sesitif terhadap perubaha sedikit saa, pegukuraya obektif da dapat diulag, dapat egguaka tibaga apa saa yag relatif urah, udah, da tidak eerluka bayak waktu. Pegukura berat bada dapat dilakuka dega tepat egguaka tibaga elektroik, ketika balita dala keadaa telaag atau dega eakai pakaia dala saa..6.berat Bada Meurut Uur Berat bada adalah salah satu paraeter yag eberika gabara assa tubuh (Supariasa, dkk., 00. Massa tubuh sagat sesitif terhadap perubahaperubaha yag edadak, isalya terkea peyakit ifeksi, euruya afsu aka atau euruya ulah akaa ya dikosusi. Berat bada adalah ukura atopoetri yag sagat labil. Dala keadaa oral, diaa keadaa kesehata baik 187
5 UNIVERSITAS DIPONEGORO 011 ISBN: da keseibaga atara kosusi da kebutuha gizi terai, aka berat bada berkebag egikuti pertabaha uur. 3. Metodologi Data yag diguaka pada peelitia ii adalah data tetag berat bada aak balita usia 0-60 bula yag berasal dari Dias esehata Jawa Tiur tahu 009. Variabel yag diguaka dala peelitia ii adalah berat bada eurut uur. Variabel prediktor (x yag diguaka adalah usia aak balita 0-60 bula sedagka variabel respo (y adalah berat bada. Lagkah-lagkah Aalisis 1. Megkai estiasi splie dala regresi oparaetrik dega lagkah-lagkah: a. Mebuat odel y f ( x i i i b. Mebuat pedekata fugsi f dega odel splie: k k 0 k 1 f ( x x ( x c. Mebuat odel regresi splie: i i k ( i k i 0 k 1 y x x d. Meyaika odel regresi splie dala betuk: y B e. Meyelesaika optiasi WLS yag eiiuka: T 1 T 1 V ( y B V ( y B. Megui hipotesis utuk regresi splie dega lagkah-lagkah: a. Meruuska ui hipotesis utuk paraeter: H 0 : C H1 : C b. Mebuat fugsi likelihood dibawah Ω ruag paraeter populasi: L. c. Mebuat fugsi likelihood dibawah H 0 : L. d. Mebuat rasio likelihood Hipotesis: L ˆ. L ˆ 188
6 UNIVERSITAS DIPONEGORO 011 ISBN: e. Meetuka daerah peolaka hipotesis H 0 : 3. Meerapka odel splie utuk estiasi pola hubuga berat bada da usia aak balita a. Mebuat scatter plot atara usia aak balita (x da berat bada (y utuk egetahui hubuga atara kedua variabel. b. Meodelka berat bada da usia aak balita dega egguaka splie liear, splie kuadratik, da splie kubik dega egguaka satu titik kots, dua titik kots, da tiga titik kots. c. Meilih odel splie terbaik dega eilih titik kots optiu dilihat dari ilai GCV yag palig iiu. d. Berdasarka odel splie yag terbaik lagkah berikutya adalah egui sigifikasi paraeter odel utuk paraeter fugsi polioial da fugsi potoga (trucated. e. Melakuka peguia oralitas. f. Meghitug ilai koefisie deteriasi ( R. 4. Hasil da Pebahasa 4.1. Estiasi Titik Utuk urva Regresi f Diberika suatu basis utuk ruag Splie berorde (Budiatara,001(b dega betuk: {1, x,..., x, ( x,..., ( x }, 1 dega fugsi trucated sebagai berikut: ( x, x ( x 0 x da 1,..., erupaka titik-titik kots Utuk setiap fugsi f dala ruag Splie dapat diyataka eadi: k k 0 k 1 f ( x x ( x 189
7 UNIVERSITAS DIPONEGORO 011 ISBN: Dega, 0,1,...,, 1,...,, erupaka kostata yag berilai real. Model regresi splie dapat ditulis eadi: y f ( x i i i xi k ( xi k i 0 k 1 Dari regresi splie ii dapat ditulis: i yi xi k xi k utuk setiap i 1,,, 0 k 1 ( Jika persaaa di atas diyataka dala betuk atriks, aka diperoleh: y X( x, Selautya dibetuk suatu fugsi: Q( ' 1 V Dega 0 1 p p1 p,,...,,,..., ' berukura x(++1, diberika oleh:,,..., ', da x, y y1 y y X atriks 1 x1 x1 x1 1 x1 1 x x x 1 x X x, 1 x x x x 1 Q 1 y - X x, ' V y - X x, γ γ ( ',, ', X V X X V egigat x, adalah : x x x y X erupaka atriks dega rak peuh, aka diperoleh estiasi 190
8 UNIVERSITAS DIPONEGORO 011 ISBN: ( ',, ', X V X X V x x x y Estiator kurva regresi f ( x diberika oleh: 1,, ',, ', B x, y 1 1 f x x x x x y X X V X X V 4.. Ui Hipotesis Diberika odel regresi splie: i i k ( i k i, dega i (0, 0 k 1 y x x N Utuk euruka ui hipotesis H 0 lawa H 1 dapat egguaka etode LRT. Perhatika odel regresi splie, dega i berdistribusi idepede idetik N(0,. dega y f ( x, i 1,,, i i i i k k 0 k 1 f ( x x ( x x x x ( x ( x 0 1 i i i 1 i 1 k i i area N (0, aka y N ( f ( x, fugsi likelihood diberika oleh: i i i 1 1 L(, ( Exp( ( y ( 1 i f xi i 1 ( ( ( ( Exp yi f xi i1 191
9 UNIVERSITAS DIPONEGORO 011 ISBN: X '( - X ( Exp( ( y y Dega,..., ', y y1 y y Pertaa diperhatika Ruag : Fugsi likelihood diberika oleh:,,...,,,..., ' L Exp y y (, ( ( ( - X '( - X log L(, 1 y y - y X X'X [ log( ( ' ' ' ' ] 1 0 (0 - X ' y X'X 0 1 X'X ( X' y log L(, 1 y y - X '( - X [ log( (( ] ( y - X '( y - X 1 (, ( ( Max L Exp y - X '( y - X e ( Selautya diperhatika Ruag Ω: Fugsi likelihood diberika oleh: log L(, 1 y y - X '( - X [ log( (( ] 19
10 UNIVERSITAS DIPONEGORO 011 ISBN: ( y - X '( y - X Akibatya 1 (, ( ( Max L Exp y - X '( y - X e ( Selautya diperoleh Ratio Likelihood: Max L(, Max L(, Dega eperhatika hipotesis: H H 0 0 : C atau : C 0 ( y - X '( y - X - X '( - X ( y y S ( S '( C C 193
11 UNIVERSITAS DIPONEGORO 011 ISBN: ( 1 X'X C ' 1 1 ( C( X'X C' ( C ( X'X C' ( C( X'X C' ( C Sehigga diperoleh: ( y - X '( y - X ( y - X '( y - X 1 1 ( y - X '( y - X ( C '[ C( X'X C'] ( C ( y - X '( y - X Statistik: su of squares dari hipotesis (SSH: 1 1 SSH ( C '[ C( X ' X C '] ( C ( Da su of squares residual (SSE: 1 SSE y '( I X(X'X X '] y ( 1 Distribusi Statistik ui utuk F adalah: F SSH SSE ( C '[ C( X ' X C '] ( C SSE 1 F (, 1 194
12 UNIVERSITAS DIPONEGORO 011 ISBN: Hipotesis H 0 aka ditolak ika da haya ika F F(,, 1 195
13 UNIVERSITAS DIPONEGORO 011 ISBN: Aplikasi Ui Hipotesis Model Splie pada Pertubuha Balita di Jawa Tiur 3,819 0,799 0,031 x x ; x < 9 f ˆ( x 3,819 0, 799 0, 031 0, 03( 9 x x x ; 9 < x < 14 3,819 0, 799 0, 031 0, 03( 9 0, 008( 14 x x x x ; x > 14 3,819 0,799x 0, 031 x ; x 9 7, 50 0,161 x ; x 14 5, 68 0,385x 0, 008 x ;9 x 14 Perhatika ui hipotesis: H : C lawa H : C 0 1 Diaa: C (,,,, ', ; Tabel 1. Aalisis Variasi Model Splie Terbobot uadrat Dua ot. Suber Variasi Deraat Bebas Julah uadrat Rata-Rata Julah uadrat F-hitug Regresi 4 644,63 161,16 Residual 56 0,448 0, ,69 Total ,08 196
14 UNIVERSITAS DIPONEGORO 011 ISBN: Dega egguaka tigkat sigifikasi 5%, diperoleh ilai distribusi F dega deraat bebas pebilag 4 da deraat bebas peyebut 56, sebesar,536. Berdasarka Tabel diperoleh kesipula eolak H 0 karea ilai F hitug = 0145 > F tabel =,536. Hal ii berarti paraeter-paraeter 0, 1,, 3, 4 sigifika pada odel. Model splie terbobot kuadratik dega dua titik kot pada uur x = 9 bula da uur x = 14 bula diberika dala Gabar 4.. Model Splie kuadrat terbobot ii epuyai koefisie deteriasi (R sebesar 99,93%. Nilai R ii euuka bahwa odel splie terbobot kuadratik dega titik kot pada uur x = 9 bula da uur x = 14 bula, sagat layak diguaka sebagai odel pola hubuga atara uur da berat bada balita di Jawa Tiur. berat bada uur bayi 5. esipula Berdasarka aalisis da pebahasa yag telah diuraika pada bab sebeluya, aka dapat diperoleh kesipula: 1. Estiasi paraeter odel regresi oparaetrik splie dega egguaka etode Weighted Least Square diperoleh: ( ',, ', X x V X x X x V y. Ui hipotesis dala odel regresi oparaetrik splie dapat dilakuka dega egguaka Likelihood Ratio Test dega forulasi hipotesis sebagai berikut: H0 : Cγ H1 : Cγ Statistik test utuk ui hipotesis di atas diberika oleh: 197
15 UNIVERSITAS DIPONEGORO 011 ISBN: F SSH SSE ( C '[ C( X ' X C '] ( C SSE 1 F (, 1 Hipotesis H 0 ditolak ika F F(,, 1 3. Model splie terbaik utuk pertubuha balita di Jawa Tiur adalah splie terbobot kuadratik dega dua titik kot ( x = 9 da x = 14. Model splie terbobot diberika oleh: f ˆ( x 3,819 0,799x 0,031x 0,03( x 9 0,008( x 14 3,819 0,799x 0, 031 x ; x 9 7, 50 0,161 x ; x 14 5, 68 0,385x 0, 008 x ;9 x 14 Utuk peelitia selautya perlu dikai lagi ui hipotesis dala odel regresi oparaetrik splie, utuk odel yag lebih ruit seperti ultirespo da seiparaetrik. Daftar Pustaka Aritoag, I., 000, Peataua Pertubuha Balita (Petuuk Praktis Meilai Status Gizi & esehata, aisius, Yogyakarta. Budiatara, I.N., 001, Estiasi Paraetrik da Noparaetrik utuk Pedekata urva Regresi, Makalah Pebicara Utaa pada Seiar Nasioal Statistika V, Jurusa Statistika Fakultas Mateatika da Ilu Pegetahua Ala, Istitut Tekologi Sepuluh Nopeber (ITS, Surabaya. 198
16 UNIVERSITAS DIPONEGORO 011 ISBN: , 006, Model Splie Dega ots Optial, Jural Ilu Dasar, FMIPA Uiversitas Jeber,7,77-85., 008, Iferesi Statistik Utuk Model Splie, Jural Mateatika da Statistika Uiversitas Bia Nusatara, Jakarta Drapper, N.R, Sith, H., 1996, Applied Regressio Aalysis, d editio, Joh Wiley & Sos, Chapa ad Hall, New York. Eubak, R.L., 1988, Splie Soothig ad Noparaetric Regressio, Mercel Dekker, New York. Hardle, W., 1990, Applied Noparaetric Regressio, Cabridge Uiversity Press, New York. hair, A., Budiatara, I.N., da Fitriasari,., 006, Splie Polioial Trucated utuk Iterval ofidesi urva Regresi Noparaetrik, Prosidig Seiar Nasioal Statistika VII, ITS, Surabaya. Mui, S. da Se, A., 1994, Regressio Aaysis, Theory, Method, ad Applicatios, Spriger-Verlag, New York. Recher, A.C., 000, Liear Models i Statistics, Joh Wiley & Sos, Chapa ad Hall, New York. Syaraaual, R.D., 011, Iterval ofidesi Splie uadrat dega Pedekata Pivotal Quatity, Draft Tesis, Jurusa Statistika ITS. Wahba, G., 1983, Bayesia Cofidece Iterval for the Cross Validated Soothig Paraeter i the Geeralized Splie Soothig Probles, The Aals of Statistics, 13, Wahba, G., 1990, Splie Models for Observasioal Data, SIAM Pesylvaia. 199
I. PENDAHULUAN II. LANDASAN TEORI
5 I PENDAHULUAN Latar Belakag Persaaa diferesial adalah suatu persaaa ag egadug sebuah fugsi ag tak diketahui dega satu atau lebih turuaa [Stewart, 3] Persaaa diferesial dapat dibedaka eurut ordea, salah
Lebih terperinciTAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD
TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD Jailah * Firdaus Sigit Sugiarto Mahasiwa Progra S Mateatika Dose Jurusa Mateatika Fakultas Mateatika
Lebih terperinciPenerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov
Vol. 3, No., 85-9, Juli 6 Peerapa Teorea Perro-Frobeius pada Peetua Distribusi Stasioer Ratai Markov Jusawati Massalesse Abstrak Perilaku suatu ratai Markov setelah berala ukup laa dapat diketahui elalui
Lebih terperinciTUGAS ANALISIS REGRESI (HALAMAN
TUGAS ANALISIS REGRESI (HALAMAN 85-88) 1. Tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b. Hitug Sum of Square for Residual c. Hitug Mea Sum of Square for Regresssio
Lebih terperinciBAB 4: PELUANG DAN DISTRIBUSI NORMAL.
BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk
Lebih terperinciDefinisi 2.3 : Jika max min E(X,Y) = min
Teori Peraia 22 Peelitia Operasioal II Defiisi 23 : Jika ax i E(X,Y) = z y i y ax E(X,Y) =E(x 0, y 0 ), aka (x 0, y 0 ) didefiisika z sebagai strategi uri dari peraia itu dega x 0 sebagai strategi optiu
Lebih terperinciPEMODELAN DATA TIME SERIES DENGAN PENALIZED SPLINE FILTER. Wuleng,A.T., Islamiyati,A., Herdiani, E.T. Abstrak
PEMODELAN DATA TIME SERIES DENGAN PENALIZED SPLINE FILTER Wuleg,A.T., Islamiyati,A., Herdiai, E.T. Abstrak Regresi oparametrik adalah suatu pedekata regresi utuk pola data yag tidak diketahui betuk kurva
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Kehidupa ausia seatiasa diarahka pada kodisi yag aka datag, yag keberadaaya tidak dapat diketahui secara pasti. Sehigga ausia berusaha elakuka kegiata kegiata dega berorietasi
Lebih terperinciLEMBAR KERJA SISWA 5
94 LEMBAR KERJA SISWA 5 Mata Pelajara Kelas/Seester Materi Pokok Subateri Pokok Alokasi Waktu : Kiia : XI/gajil : Laju Reaksi : Orde Reaksi : 2 x 45 eit Stadar Kopetesi 3. Meahai Kietika Reaksi, Kesetibaga
Lebih terperinciSulistya Umie Rumana Sari. Riwayat Artikel: Diterima: 15 Mei 2017 Direvisi: 1 Juni 2017 Diterbitkan: 31 Juli 2017
Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematika da Nilai Islami) Vol.1, No.1, Juli 017, Hal. 15466 p-issn: 580-4596; e-issn: 580-460X Halama 154 Perbadiga Model Regresi Noparametrik Splie Multivariabel
Lebih terperinciBAB II TINJAUAN PUSTAKA. dengan asumsi bahwa telah diketahui bentuk fungsi regresinya. atau dalam bentuk matriks dapat ditulis dengan:
BAB II TINJAUAN PUSTAKA 2.1 Regresi Parametrik Regresi parametrik merupaka metode statistika yag diguaka utuk megetahui pola hubuga atara variabel prediktor dega variabel respo, dega asumsi bahwa telah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciAnalisis Regresi Ordinal Untuk Mengetahui Faktor-Faktor Yang Mempengaruhi Kualitas Pelayanan Kesehatan Pada Komunitas Latino
Jural Gradie Vol 8 No 2 Juli 22 82-88 Aalisis Regresi Ordial Utuk Megetahui Faktor-Faktor Yag Mempegaruhi Kualitas Pelayaa Kesehata Pada Komuitas Latio Idhia Sriliaa Jurusa Matematika, Fakultas Matematika
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciOptimisasi Terpadu Persoalan Inventori dan Persoalan Transfortasi dengan Metode ITIO ( Inventory Transfortation Integrated Optimization)
Prosidig Seirata FMIP Uiversitas Lapug, Optiisasi Terpadu Persoala Ivetori da Persoala Trasfortasi dega Metode ITIO ( Ivetory Trasfortatio Itegrated Optiizatio) T.P.Nababa, Sukato, Karida Puspita N Jurusa
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN Persoala trasportasi yag serig ucul dala kehidupa sehari-hari, erupaka gologa tersediri dala persoala progra liier. Maka etode traportasi ii juga dapat diguaka utuk eyelesaika beberapa
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciPengenalan Pola. Regresi Linier
Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciPenyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.
2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug
Lebih terperinciMakalah ANALISIS REGRESI DAN REGRESI GANDA
1 Makalah ANALISIS REGRESI DAN REGRESI GANDA Disusu oleh : 1. Rudii mulya ( 41610010035 ). Falle jatu awar try ( 41610010036 ) 3. Novia ( 41610010034 ) Tekik Idustri Uiversitas Mercu Buaa Jakarta 010 Rudii
Lebih terperinciSTATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA
STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA OUTLINE LANJUTAN Peetua garis duga regresi dega Metode OLS kostata a da koefisie b Aalisis Varias komposisi variasi sekitar garis r da r Stadard
Lebih terperinciPengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007
1 Peguia Normal Multivariat T Hottelig pada Faktor-Faktor yag Mempegaruhi IPM di Jawa Timur da Jawa Barat Tahu 007 Dedi Setiawa, Zuy Iesa Pratiwi, Devi Lidasari, da Sati Puteri Rahayu Jurusa Statistika,
Lebih terperinciAnalisis Hubungan Kluster Industri dengan Penentuan Lokasi Pelabuhan: Studi Kasus Pantai Utara Pulau Jawa
JURNAL TEKNIK POMITS Vol., No., (0) -5 Aalisis Hubuga Kluster Idustri dega Peetua Lokasi Pelabuha: Studi Kasus Patai Utara Pulau Jawa Maulaa Prasetya Sibolo, Tri Achadi Jurusa Tekik Perkapala, Fakultas
Lebih terperinciPENGANTAR MODEL LINEAR Oleh: Suryana
PENGANTAR MODEL LINEAR Oleh: Suryaa Model liear meyagkut masalah statistik yag ketergatugaya terhadap parameter secara liear. Betuk umum model liear adalah 0 1X1... px p, dega = Variabel respo X i = Variabel
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih terperinciTRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA
Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program
Lebih terperinciLAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V
LAJU REAKSI STANDART KOMPETENSI; Meahai kietika reaksi, kesetibaga kiia, da faktor-faktor yag berpegaruh, serta peerapaya dala kehidupa sehari-hari KOMPETENSI DASAR; Medeskripsika pegertia laju reaksi
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciPerbaikan Bagan Kendali Pergerakan Data (Data Driven)
Bab 3 Perbaika Baga Kedali Pergeraka Data Data Drive) 3.1 Pedahulua Baga kedali klasik utuk eoitorig rataa didasarka pada asusi keorala. Ketika syarat keorala tidak dipeuhi, baga kedali klasik ii tidak
Lebih terperinciDISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)
DISTRIBUSI BINOMIAL Distribusi bioial berasal dari percobaa bioial yaitu suatu proses Beroulli yag diulag sebayak kali da salig bebas. Distribusi Bioial erupaka distribusi peubah acak diskrit. Secara lagsug,
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakag Dalam keadaa dimaa meghadapi persoala program liier yag besar, maka aka berusaha utuk mecari peyelesaia optimal dega megguaka algoritma komputasi, seperti algoritma
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah
Lebih terperinciMENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka.
MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH Warsito Progra Studi Mateatika FMIPA Uiversitas Terbuka warsito@ut.ac.id Abstrak Peyelesaia pertidaksaaa ( x- a, a Î R adalah x a (egguaka
Lebih terperinciSTUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN
STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciBAB I PENDAHULUAN. X Y X Y X Y sampel
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut
Lebih terperinciJurnal Ilmiah Matematika dan Terapan, vol.7, no. 1, Mei 2010, hal PERBANDINGAN MODEL REGRESI NONPARAMETRIK DENGAN REGRESI SPLINE DAN KERNEL
Jural Ilmiah Matematika da Teraa, vol.7, o., Mei 0, hal. -7. Abstrak PERBANDINGAN MODEL REGRESI NONPARAMETRIK DENGAN REGRESI SPLINE DAN KERNEL Lilis Laome ) ) Jurusa Matematika FMIPA Uiversitas Haluoleo
Lebih terperinciProgram Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi
Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.
Lebih terperinciPOSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan
POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciANALISIS REGRESI DAN KORELASI SEDERHANA
LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.
Lebih terperinciPenyelesaian Masalah Penugasan Menggunakan Metode Hungarian dan Pinalti (Studi Kasus: CV. Surya Pelangi)
Peyelesaia Masalah Peugasa Megguaka Metode Hugaria da Pialti (Studi Kasus: CV. Surya Pelagi) Sri Basriati 1, Ayu Lestari 2 1,2 Jurusa Mateatika, Fakultas Sais da Tekologi, UIN Sulta Syarif Kasi Riau Jl.
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug
Lebih terperinciBAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan
BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciPersamaan Non-Linear
Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciPeningkatan Improvement Maternal Health Menggunakan Regresi Nonparametrik Spline pada Data Angka Kematian Ibu (AKI) di Indonesia
Peigkata Improvemet Materal Health Megguaka Regresi Noparametrik Splie pada Data Agka Kematia Ibu (AKI) di Idoesia Dedi Setiawa 1, Syahrul Eka Adi Laksaa, Ikacipta Mega Ayu Putri 3 Mahasiswa Departeme
Lebih terperinciIII. MATERI DAN METODE PENELITIAN. Penelitian telah dilakukan pada bulan November - Desember 2013 di
III. MATERI DAN METODE PENELITIAN 3.. Waktu da Tempat Peelitia telah dilakuka pada bula November - Desember 203 di peteraka Kambig yag ada di Kota Pekabaru Provisi Riau. 3.2. Alat da Baha Materi yag diguaka
Lebih terperinciPENERAPAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON
E-Jural Matematika Vol., No., Mei 013, 6-10 ISSN: 303-1751 PENERAPAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON PUTU SUSAN PRADAWATI 1, KOMANG GDE SUKARSA, I GUSTI AYU MADE
Lebih terperinciPEMODELAN INFLASI BERDASARKAN HARGA-HARGA PANGAN MENGGUNAKAN SPLINE MULTIVARIABEL. Abstract
Peodelan Inflasi (Alan Prahutaa) PEMODELAN INFLASI BERDASARKAN HARGA-HARGA PANGAN MENGGUNAKAN SPLINE MULTIVARIABEL Alan Prahutaa 1, Tiani Wahyu U, Rezzy Eko C 3, Dede Zurohtuliyosi 3 1 Dosen Jurusan Statistika
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciBab II Landasan Teori
4 Bab II Ladasa Teori II. Aalisis "Net Social Gai" (NSG) PT. Siar Asia Fortua sebagai suatu perusahaa tabag baha galia batugapig epuyai kotribusi positif terhadap peigkata pedapata jika ilai outputya lebih
Lebih terperinciDefinisi Integral Tentu
Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciBAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat
38 3.1 Lokasi da Waktu Peelitia 3.1.1 Lokasi Peelitia BAB III METODE PENELITIAN Lokasi peelitia ii dilakuka di Puskesmas Limba B terutama masyarakat yag berada di keluraha limba B Kecamata Kota Selata
Lebih terperinciBAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi,
BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep
Lebih terperinci(S.3) EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES
Prosidig Semiar Nasioal Statistika Uiversitas Padadara 3 November 00 S.3 EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES ulhaif adi Suriadi Jurusa Statistika FMIPA Uiversitas Padadara Badug
Lebih terperinci4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN
4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul
Lebih terperinciPemodelan Kemiskinan di Propinsi Jawa Timur dengan Pendekatan Multivariate Adaptive
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: 2301-928X D-283 Pemodela Kemiskia di Propisi Jawa Timur dega Pedekata Multivariate Adaptive Wahyuig Pitowati da Bambag Widjaarko Otok Jurusa
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN
JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciPENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA
PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciSIFAT-SIFAT GENERALISASI DISTRIBUSI BINOMIAL YANG BERTIPE COM-POISSON
J. Math. ad Its Appl. ISSN: 829-605X Vol. 2, No., Mei 205, 3-22 SIFAT-SIFAT GENERALISASI DISTRIBUSI BINOMIAL YANG BERTIPE COM-POISSON Farida Agustii Widjajati, Marselly Dia Saputri 2, Nur Asiyah 3,2,3
Lebih terperinciMasih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.
Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciJurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D
Jural Mateatika Muri da Terapa Vol 4 No Deseber : - 3 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D Muhaad Ahsar Kari, Dewi Sri Susati, da Nurul Huda Progra Studi Mateatika Uiversitas Labug Magkurat Jl
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciIII. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011
III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciTEOREMA WEYL UNTUK OPERATOR HYPONORMAL
Jural UJMC, Volume 3, Nomor, Hal. - 6 pissn : 460-3333 eissn : 579-907X TEOREMA WEYL UNTUK OPERATOR HYPONORMAL Guawa Uiversitas Muhammadiyah Purwokerto, gu.oge@gmail.com Abstract This paper aims at describig
Lebih terperinciBAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciRepresentasi Deret ke dalam Bentuk Integral Lipat Dua
Jural Kubik, Volue 2 No. (27) ISSN : 2338-896 Represetasi Deret ke dala Betuk Itegral Lipat Dua Siti Julaeha, a) 2, b) da Arii Soesatyo Putri Jurusa Mateatika Fakultas Sais da Tekologi UIN SGD Badug 2
Lebih terperinciProgram studi Statistika, Jurusan Matematika, FMIPA, Universitas Hasanuddin
Uiversitas Hasauddi ESTIMASI PARAMETER GENERALIZED LINEAR MIXED MODELS PADA DATA LONGITUDINAL DENGAN METODE GAUSS-HERMITE QUADRATURE Ahid Iai Fitriaigsih, Adi Kresa Jaya 2, Raupog 3 Progra studi Statistika,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.
III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan
Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem
Lebih terperinciPerbandingan Beberapa Metode Pendugaan Parameter AR(1)
Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad
Lebih terperinciBAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciTri Handhika Pusat Studi Komputasi Matematika (PSKM), Kampus D 139 Universitas Gunadarma Abstrak
PENGGUNAAN MEODE EMPIRICAL BES LINEAR UNBIASED PREDICION (EBLUP) PADA GENERAL LINEAR MIXED MODEL ri Hadhika Pusat Studi Komputasi Matematika (PSKM), Kampus D 139 Uiversitas Guadarma trihadika@staff.guadarma.ac.id
Lebih terperinci